为了使数据库中知识发现和数据采掘更加有效,本项目确定研究以下内容。即基于人工神经网络的机器学习方法,知识的求精与优化,信息粒度与多粒度计算方法,以及基于范例的推理及其应用等。拟解决的关键问题是,大数据量下的神经网络学习复杂性,动态知识的采掘,信息粒度的不同表示方法极其相互转换,和给定背景下的范例的相似准则等四个方面。.
{{i.achievement_title}}
数据更新时间:2023-05-31
论大数据环境对情报学发展的影响
服务经济时代新动能将由技术和服务共同驱动
资源型地区产业结构调整对水资源利用效率影响的实证分析—来自中国10个资源型省份的经验证据
多源数据驱动CNN-GRU模型的公交客流量分类预测
卡斯特“网络社会理论”对于人文地理学的知识贡献-基于中外引文内容的分析与对比
基于粒计算的动态知识发现中若干关键问题研究
Web数据挖掘与知识发现
数据挖掘与知识发现在作物种植咨询系统中应用研究
数据挖掘中若干基础理论问题研究