学术探索
学术期刊
新闻热点
数据分析
智能评审
立即登录
知识发现方法的比较研究
被引:7
作者
:
论文数:
引用数:
h-index:
机构:
陆伟
吴朝晖
论文数:
0
引用数:
0
h-index:
0
机构:
浙江大学人工智能研究所,浙江大学人工智能研究所杭州,杭州
吴朝晖
机构
:
[1]
浙江大学人工智能研究所,浙江大学人工智能研究所杭州,杭州
来源
:
计算机科学
|
2000年
/ 03期
关键词
:
KDD;
Model recognition;
Machine learning;
Rough set;
D O I
:
暂无
中图分类号
:
TP311.1 [程序设计];
学科分类号
:
081202 ;
0835 ;
摘要
:
<正> 1 引言从已有信息中发现模式或规律是信息处理技术的本质所在。长期以来,为了实现这个目标人们从不同领域、不同角度提出各种方法。典型的如:从数学角度提出的数理统计方法、从模拟生物神经结构角度提出的神经网络技术、从知识角度提出的机器学习方法等。与上述方法不同的是,KDD并不是研究某种具体的方法,而是根据用户的需要和领域的特点,利用已有的技术形成一个完整的系统,在有限的计算资源下从大型数据库中自动地发现知识。因此我们认为,KDD着重于系统的实用性,其主要目的是使上述方法适用于大型数据库以及根据领域特性适当地利用它们。
引用
收藏
页码:80 / 84+89 +89
页数:6
相关论文
共 2 条
[1]
Bayesian networks for data mining
[J].
Heckerman, D
论文数:
0
引用数:
0
h-index:
0
机构:
Microsoft Corp, Res, Redmond, WA 98052 USA
Microsoft Corp, Res, Redmond, WA 98052 USA
Heckerman, D
.
DATA MINING AND KNOWLEDGE DISCOVERY,
1997,
1
(01)
:79
-119
[2]
Induction of decision trees[J] . J. R. Quinlan.Machine Learning . 1986 (1)
←
1
→
共 2 条
[1]
Bayesian networks for data mining
[J].
Heckerman, D
论文数:
0
引用数:
0
h-index:
0
机构:
Microsoft Corp, Res, Redmond, WA 98052 USA
Microsoft Corp, Res, Redmond, WA 98052 USA
Heckerman, D
.
DATA MINING AND KNOWLEDGE DISCOVERY,
1997,
1
(01)
:79
-119
[2]
Induction of decision trees[J] . J. R. Quinlan.Machine Learning . 1986 (1)
←
1
→