-
题名多关系数据挖掘方法研究
被引量：5
- 1
-
-
作者
徐光美
杨炳儒
张伟
宁淑荣
-
机构
北京科技大学信息工程学院知识工程研究所
-
出处
《计算机应用研究》
CSCD
北大核心
2006年第9期8-12,共5页
-
基金
国家科技成果重点推广计划项目(2003EC000001)
-
文摘
目前大多数数据挖掘方法是从单关系中发现模式,而多关系数据挖掘(MRDM)则可直接从关系数据库的多表中抽取有效模式。MRDM可以解决原有命题数据挖掘方法不能解决的问题,它不仅有更强的信息表示能力,可以表示和发现更复杂的模式,还可以在挖掘进程中有效地利用背景知识来提高挖掘效率和准确率。近年来,借鉴归纳逻辑程序设计(ILP)技术,已经形成许多多关系数据挖掘方法,如关系关联规则挖掘方法、关系分类聚类方法等。
-
关键词
多关系数据挖掘(关系数据挖掘)
归纳逻辑程序设计
关系分类回归
关系关联规则
基于距离的关系方法
-
Keywords
Multi-Relational Data Mining（MRDM） （ Relational Data Mining, RDM）
Inductive Logic Programming （ILP）
Relational Classification and Regression
Relational Association Rules
Relational Distance-based Methods
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名多关系数据分类方法综述
被引量：1
- 2
-
-
作者
彭珍
杨炳儒
李冬艳
侯伟
宁顶利
-
机构
北京科技大学信息工程学院知识工程研究所
华北科技学院计算机系
-
出处
《计算机工程与应用》
CSCD
北大核心
2008年第34期35-39,共5页
-
基金
国家自然科学基金No.60675030~~
-
文摘
多关系数据分类是多关系数据挖掘重要任务之一,它能够直接从多关系数据表中发现有效模式,比命题分类方法具有更大优势。根据知识表示形式及相关策略的不同将多关系数据分类分为归纳逻辑程序设计关系分类方法、图的关系分类方法和基于关系数据库的关系分类方法。着重论述了它们所采用的具体关系分类技术及其特点,对这些方法进行了对比,最后讨论了它们当前所面临的挑战性问题。
-
关键词
多关系数据挖掘
关系分类
归纳逻辑程序设计
图
选择图
元组标识传播
-
Keywords
Multi-Relational Data Mining （ MRDM ）
relational classification
Inductive Logic Programming （ILP）
graph
selection graph
tuple ID propagation
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于S-CART决策树的多关系空间数据挖掘方法
被引量：2
- 3
-
-
作者
郑向群
赵政
-
机构
天津大学计算机科学与技术学院
-
出处
《计算机应用》
CSCD
北大核心
2008年第3期749-752,共4页
-
基金
“十一五”国家科技支撑计划项目(2006BAJ10B01)
-
文摘
针对空间数据关系复杂的情况,提出了一种改进的多关系数据挖掘结构分类与回归树(S-CART)算法,该算法首先利用空间关联索引表抽取不同主题图层之间的关系原子命题,然后基于逻辑谓词创建多关系二叉决策树,抽取空间关联规则,同时基于我国湖北大冶部分地区土壤污染数据验证算法的有效性。
-
关键词
多关系数据挖掘
结构分类与回归树
决策树
空间关联规则
-
Keywords
multi-relational data mining
S-CART
decision tree
spatial association rule
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名一种基于用户指导的多关系关联规则挖掘算法
被引量：1
- 4
-
-
作者
郭景峰
边伟峰
霍峥
郑丽珍
-
机构
燕山大学信息科学与工程学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2007年第z2期22-26,共5页
-
基金
国家自然科学基金项目(60673136)
-
文摘
提出一种基于用户指导的多关系关联规则挖掘算法,对传统的关联规则挖掘方法进行拓展,借鉴元组ID传播的思想使多表间无需物理连接而能直接进行关联规则挖掘,并引入了用户指导的概念,提高了用户的满意程度及挖掘的效率和精确度.该算法能够直接支持关系数据库,且运行时间远远小于基于ILP技术的多关系关联规则挖掘算法.
-
关键词
多关系数据挖掘
多关系关联规则
元组ID传播
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名一种多关系频繁模式挖掘算法
被引量：1
- 5
-
-
作者
邓左祥
刘连芳
梁一平
周小平
-
机构
广西大学计算机与电子信息学院
南宁市平方软件新技术有限责任公司
-
出处
《计算机应用研究》
CSCD
北大核心
2009年第9期3285-3288,共4页
-
基金
广西研究生教育创新计划资助项目(2008105930812M101)
-
文摘
传统数据挖掘算法在处理多表时,需要物理连接,存在效率不高的问题。为了解决这一问题,提出了一种多关系频繁模式挖掘算法。该算法利用元组ID传播的思想,使多表间无须物理连接,就可以直接挖掘频繁模式。实验表明,此算法具有较高的效率。
-
关键词
多关系数据挖掘
频繁模式
元组ID传播
-
Keywords
multi-relational data mining
frequent pattern
tuple ID propagation
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名统计关系学习研究进展
被引量：10
- 6
-
-
作者
刘大有
于鹏
高滢
齐红
孙舒杨
-
机构
吉林大学计算机科学与技术学院
吉林大学符号计算与知识工程教育部重点实验室
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2008年第12期2110-2119,共10页
-
基金
国家自然科学基金重大项目(60496321)
国家自然科学基金项目(60573073
+8 种基金
60503016
60603030
60773099
60703022)
国家"八六三"高技术研究发展计划基金项目(2006AA10Z245
2006AA10A309)
吉林省科技发展计划重点项目(20060213)
吉林省科技发展计划基金项目(20030523)
欧盟项目TH/Asia Link/010(111084)~~
-
文摘
统计关系学习是人工智能领域的一个新研究热点,它将关系表示、似然性理论和机器学习相结合,能更好地解决现实世界中复杂的关系数据问题,在生物信息学、Web导航、社会网、地理信息系统和自然语言理解等领域有着重要的应用.首先对统计关系学习的研究内容以及研究任务进行了介绍和总结,然后根据概率表示和推理机制的不同,对当前的统计关系学习方法进行了分类,并对各类方法进行了详细介绍,最后讨论了当前统计关系学习存在的问题,并指出了今后研究和发展的方向.
-
关键词
统计关系学习
似然逻辑学习
多关系数据挖掘
统计学习
关系学习
-
Keywords
statistical relational learning
probabilistic logic learning
multi-relational data mining
statistical learning
relational learning
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于表示学习和语义要素感知的关系推理算法
被引量：12
- 7
-
-
作者
刘峤
韩明皓
杨晓慧
刘瑶
吴祖峰
-
机构
电子科技大学信息与软件工程学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2017年第8期1682-1692,共11页
-
基金
国家自然科学基金项目(61133016
U1401257)
四川省高新技术及产业化面上项目(2017GZ0308)~~
-
文摘
基于知识表示的关系推理方法研究是近年来统计关系学习和知识图谱领域共同关注的热点.通过对当前流行的基于知识表示的推理模型进行比较,分析了现有模型所普遍采用的基本假设存在的不合理之处,即忽视了实体与关系在语义上的多样性.据此提出了一种新的关系推理建模假设:实体对之间的每种关系反映的是两侧实体在某些特定方面的语义关联,通过对实体向量的语义方面要素进行选择性加权,可以实现对不同关系语义的表示和区分.根据该假设提出了一种新的关系推理建模方法,采用非线性变换的方法来解决表示学习中的语义分辨率问题.在公开数据集上的实验结果表明:所提出的算法对复杂关系类型和相关实体具有良好的语义区分能力,能有效提高知识图谱上的关系推理准确率,性能显著优于目前主流的相关工作.
-
关键词
统计关系学习
关系推理
表示学习
知识图谱
多元关系数据挖掘
-
Keywords
statistical relational learning
relational inference
representation learning
knowledge graphs
multi-relational data mining
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名用平滑方法改进多关系朴素贝叶斯分类
被引量：9
- 8
-
-
作者
徐光美
刘宏哲
张敬尊
王金华
-
机构
北京联合大学信息学院
北京联合大学信息服务工程重点实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2017年第5期69-72,共4页
-
基金
国家自然科学基金(No.61372148
No.61202245)
+2 种基金
北京市"长城学者"计划项目(No.CIT&TCD20130320)
北京市优秀人才培养项目(No.2010D005022000011)
北京联合大学自然科学项目(No.zk20201403)
-
文摘
为消除朴素贝叶斯分类时的零概率以及过度拟合问题,分析了各种概率平滑方法,给出了基于M估计的多关系朴素贝叶斯分类方法(MRNBC-M)和基于Laplace估计的多关系朴素贝叶斯分类方法(MRNBC-L),分析探讨了M平滑和Laplace平滑方法对多关系分类的影响情况,为进一步优化分类,方法基于扩展互信息标准对数据进行属性过滤。多关系标准数据集上的实验显示,MRNBC-M可以有效改进分类性能。
-
关键词
多关系数据挖掘
朴素贝叶斯
参数平滑
互信息
-
Keywords
Multi-Relational Data Mining(MRDM)
Naive Bayes
smoothing methods
mutual information
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于特征加权的多关系朴素贝叶斯分类模型
被引量：12
- 9
-
-
作者
徐光美
刘宏哲
张敬尊
-
机构
北京联合大学信息服务工程重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2014年第10期283-285,共3页
-
基金
国家自然科学基金(61372148)
北京市"长城学者"计划项目(CIT&TCD20130320)
+1 种基金
北京市优秀人才培养(2010D005022000011)
北京联合大学校级科研项目(zk201017x)资助
-
文摘
为进一步提高多关系朴素贝叶斯方法的分类准确率,分析了已有的特征加权方法,并在将特征加权方法扩展到多关系的情况下结合元组ID传播方法和面向元组的统计计数方法,建立了基于特征加权的多关系朴素贝叶斯分类模型(MRNBC-W)。标准数据集上的实验结果显示,新方法可以在不增加算法时间复杂度的前提下,有效提高金融数据集的分类准确率。文中也给出了结合扩展互信息标准对属性进行过滤后,加权方法和不加权方法的分类比较。
-
关键词
多关系数据挖掘
朴素贝叶斯
分类
互信息
特征加权
-
Keywords
Multi-relational data mining （MRDM）, Naive Bayes, Classification, Mutual information, Feature weighting
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种新的多关系朴素贝叶斯分类器
被引量：4
- 10
-
-
作者
徐光美
杨炳儒
秦奕青
-
机构
北京科技大学信息工程学院知识工程研究所
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2008年第4期655-657,共3页
-
基金
国家自然科学基金资助课题(60675030)
-
文摘
针对现有多关系朴素贝叶斯分类器中存在的统计偏斜问题,扩展了语义关系图的定义,给出了一种新的统计计数方法,构建了相应得多关系朴素贝叶斯分类公式,形成了一种基于关系数据库技术的新的多关系朴素贝叶斯分类器。为高效进行关系表连接,采用元组ID传播方法对关系表进行虚拟连接。进一步提高分类准确率,基于互信息标准对属性进行剪枝。实验显示新的分类器具有良好的分类性能。
-
关键词
多关系数据挖掘
朴素贝叶斯
语义关系图
分类
关系数据库
-
Keywords
multi-relational data mining（MRDM）
naive Bayes
semantic relationship graph（SRG）
classi- fication
relational database
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名多关系频繁模式发现研究
被引量：3
- 11
-
-
作者
张伟
杨炳儒
钱榕
-
机构
北京科技大学信息工程学院
-
出处
《计算机科学》
CSCD
北大核心
2007年第7期158-164,共7页
-
基金
<国家科技成果重点推广计划>项目(2003EC000001)资助
-
文摘
频繁模式发现是数据挖掘的重要任务之一。现实数据通常存储于由多个关系组成的关系数据库中。传统的频繁模式发现方法只能直接完成单一关系中的模式发现,如果要完成多关系数据的挖掘,会产生操作复杂性和信息丢失等问题。多关系数据挖掘是当前数据挖掘研究中快速发展的重要领域之一。多关系频繁模式发现方法能够直接从复杂结构化数据中发现涉及多个关系的复杂频繁模式,避免了传统方法的局限。本文首先归纳多关系频繁模式发现方法的发生历史背景,其次分析总结多关系频繁模式发现方法,最后提出了多关系频繁模式发现将来发展需重点解决的问题和面临的挑战。
-
关键词
多关系数据挖掘
频繁模式发现
归纳逻辑程序设计
选择图
基于图的数据挖掘
-
Keywords
Multi-relational data mining, Multi-relational frequent pattern discovery, Inductive logic programming, Selection graph, Graph-based data mining
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
-
题名多关系关联规则算法综述
被引量：3
- 12
-
-
作者
侯伟
杨炳儒
宋威
-
机构
北京科技大学信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2007年第23期1-5,共5页
-
基金
国家自然科学基金(the National Natural Science Foundation of China under Grant No.60675030)
-
文摘
多关系数据挖掘是借鉴ILP技术,并结合机器学习方法所提出的数据挖掘新课题。多关系关联规则是多关系方法在概念描述任务中最具代表性的研究方向之一,此类方法在发挥多关系方法的模式表达能力与利用背景知识能力的同时,借鉴成熟的关联规则方法的思想与优化策略,取得了较高的性能与表达复杂模式的能力,同时在面向复杂结构数据的应用中获得了较好的效果。在简述多关系方法的基础上,通过分析与比较目前具有代表性的多关系关联规则算法,总结了各算法的优势与不足,并指出了该领域目前的主要热点问题。
-
关键词
归纳逻辑程序设计
多关系数据挖掘
多关系关联规则
-
Keywords
Inductive Logic Programming（ILP）
Multi-Relational Data Mining（MRDM）
Multi-Relational Association Rules（MRAR）
-
分类号
TP182
[自动化与计算机技术—控制理论与控制工程]
-
-
题名多关系决策树学习算法的研究与改进
被引量：1
- 13
-
-
作者
谢志强
于旭
杨静
刘若铎
-
机构
哈尔滨理工大学计算机科学与技术学院
哈尔滨工程大学计算机科学与技术学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2009年第8期50-52,共3页
-
基金
国家自然科学基金资助项目(60673131,60873019)
黑龙江省自然科学基金资助项目(F200608)
+1 种基金
黑龙江省海外学人重大科研基金资助项目(1152hq08)
哈尔滨理工大学创新基金资助项目
-
文摘
通过对多关系决策树学习算法MRDTL-2进行研究与分析,针对其运行效率较低和不能有效处理丢失属性值的问题,提出一种改进的多关系数据挖掘(IMRDTL)算法。在IMRDTL算法中,利用元组ID传播技术来进一步提高MRDTL-2算法的运行效率,同时使用广义朴素贝叶斯分类器来填补丢失的属性值,以进一步提高算法的准确率。
-
关键词
多关系数据挖掘
决策树
元组ID传播
广义朴素贝叶斯
-
Keywords
Multi-Relational Data Mining（MRDM）
decision tree
tuple ID propagation
generalized naive Bayes
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名面向语义的精简化多关系频繁模式发现方法
被引量：1
- 14
-
-
作者
杨炳儒
张伟
钱榕
-
机构
北京科技大学信息工程学院
-
出处
《中国工程科学》
2008年第9期47-53,共7页
-
基金
国家自然科学基金资助项目(60675030)
国家科技成果重点推广计划资助项目(2003EC000001)
-
文摘
多关系频繁模式发现能够直接从复杂结构化数据中发现涉及多个关系的复杂频繁模式,避免了传统方法的局限。有别于主流基于归纳逻辑程序设计技术的方法,提出了基于合取查询包含关系的面向语义的精简化多关系频繁模式发现方法,具有理论与技术基础的新颖性,解决了两种语义冗余问题。实验表明,该方法在可理解性、功能、效率以及可扩展性方面具有优势。
-
关键词
多关系数据挖掘
频繁模式发现
合取查询
精简化模式
-
Keywords
multi-relational data mining
frequent pattern discovery
conjunctive query
condensed pattern
-
分类号
TP182
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种基于滑动窗口的多关系模式频度更新算法
- 15
-
-
作者
侯伟
杨炳儒
吴晨生
周谆
-
机构
北京科技大学信息工程学院
北京市科学技术情报研究所
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2009年第3期671-676,共6页
-
基金
国家自然科学基金资助课题(60675030)
-
文摘
面向多个相关数据流的挖掘算法研究尚处于起步阶段。作为多数据流挖掘算法的基础,模式频度更新算法仍然存在计数不准确、性能较低等问题,难以以此构造有效的挖掘算法。通过引入多关系挖掘概念以及目标关系定义,进而限定计数对象,提出了一种基于滑动窗口的多关系模式频度更新算法MRPFU。该算法监视各数据流窗口的更新情况,采用计数传播策略,减少了时间与空间复杂度。理论分析及实验结果证明了所提算法的有效性且具有较高性能。
-
关键词
数据挖掘
数据流
滑动窗口
多关系数据挖掘
频度更新
-
Keywords
data mining
data stream
sliding window
multi-relational data mining
frequency update
-
分类号
TP182
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种有效率的基于图的关系学习算法
- 16
-
-
作者
郑丽珍
郭景峰
李晶
边伟峰
-
机构
燕山大学信息科学与工程学院
河北工业大学电气与自动化学院
-
出处
《计算机科学》
CSCD
北大核心
2008年第3期161-163,共3页
-
基金
国家自然科学基金项目(编号:60673136)
-
文摘
多关系数据挖掘根据表示形式可以分为基于图的MRDM和基于逻辑的MRDM。本文讨论了基于图的数据挖掘和基于图的关系学习之间的关系,重点介绍基于图的关系学习算法Subdue及其优缺点,针对它的缺点提出优化的算法ESubdue,改进了子图同构的计算,减少了子图同构的次数。在实际和人工数据集上运行的实验结果显示它比原算法更加有效率。最后给出结论并指明将来的工作。
-
关键词
多关系数据挖掘
基于逻辑的MRDM
基于图的MRDM
Subdue
-
Keywords
Multi-relational data mining, Logic-based MRDM, Graph-based MRDM, Subdue
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TP391.2
[自动化与计算机技术—计算机应用技术]
-
-
题名改进的多关系决策树算法
- 17
-
-
作者
宋广玲
郝忠孝
吴海燕
-
机构
哈尔滨理工大学计算机科学与技术学院
-
出处
《计算机应用研究》
CSCD
北大核心
2009年第12期4502-4505,4512,共5页
-
基金
黑龙江省自然科学基金资助项目(F200702)
-
文摘
高效性和可扩展性是多关系数据挖掘中最重要的问题,而提高算法效率的主要瓶颈在于假设空间,且用户对分类的指导会在很大程度上帮助系统完成分类任务,减少系统独自摸索的时间。针对以上问题提出了改进的多关系决策树算法,即将虚拟连接元组传播技术和提出的背景属性传递技术应用到多关系决策树算法中。对改进的多关系决策树算法进行了理论证明,并且对多关系决策树算法和改进的多关系决策树算法进行比较实验。通过实验可以得出,当改进的多关系决策树在搜索数据项达到背景属性传递阈值时,改进的多关系决策树算法的效率相对很高且受属性个数增加(或记录数增加)影响较小。因此提出的算法优于现有的同类算法,实现了预期的研究目标。
-
关键词
多关系数据挖掘
多关系决策树
元组标志传播
背景属性
-
Keywords
relational data mining
multi-relational decision tree
tuple ID propogation
background attribute
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于归纳逻辑程序设计的特异规则挖掘
被引量：2
- 18
-
-
作者
黄明新
刘椿年
-
机构
北京工业大学计算机学院多媒体与智能软件技术北京市重点实验室
-
出处
《北京工业大学学报》
CAS
CSCD
北大核心
2003年第4期495-499,共5页
-
基金
国家自然科学基金资助项目(60173014)
北京市自然科学基金资助项目(4022003)
-
文摘
从关系数据挖掘的角度提出了挖掘特异规则的方法,该方法通过面向属性的方法来识别特异数据.借鉴Chi2算法的思想实现了特异数据的离散,并定性地描述了数据的特异程度,结合经典的归纳逻辑程序设计系统FDIL,自然地挖掘出了特异规则,突破了传统命题级数据挖掘的框架.试验结果表明利用该方法能够发现被传统的关联规则挖掘算法所忽略的有价值的知识.
-
关键词
归纳逻辑程序设计
关系数据挖掘
特异规则
-
Keywords
inductive logic programming
relational data mining
peculiar rules
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-
-
题名考虑重要性赋权的分部多关系聚类方法
被引量：4
- 19
-
-
作者
曾严昱
丁志军
-
机构
同济大学电子信息与工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2017年第6期1227-1230,共4页
-
基金
国家自然科学基金项目(61672381)资助
-
文摘
随着大数据时代的来临,实体之间的关系变得多种多样.实体和实体间的不同类型关系组成多关系网络,针对多关系网络中的实体进行聚类一直是热门的研究课题.本文综合现有多关系聚类方法的优势,提出了新的分部多关系聚类方法.首先通过对每个关系下的实体进行聚类,基于聚类结果对实体间关系进行重要性赋权,然后综合不同关系下实体关系的重要性权值,得到单关系网络,对该单关系网络进行聚类得到最终的聚类结果.最后对包括本文方法在内的不同聚类方法在多个公开数据集上进行了对比试验,验证了本文方法的有效性.本文方法对多关系聚类的准确度进行了提升,具有理论意义和应用价值.
-
关键词
多关系数据挖掘
多关系网络
多关系聚类
分部聚类
强关系
-
Keywords
multi-relational data mining
multi-relational network
multi-relational clustering
partition clustering
strong relation
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名归纳逻辑程序设计综述
被引量：4
- 20
-
-
作者
郑磊
贾东
刘椿年
-
机构
北京工业大学计算机学院多媒体与智能软件北京市重点实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2003年第17期43-46,86,共5页
-
基金
国家自然科学基金资助项目(编号:60173014)
北京市自然科学基金资助项目(编号:4022003)
-
文摘
归纳逻辑程序设计是由机器学习与逻辑程序设计交叉所形成的一个研究领域,是机器学习的前沿研究课题。该文首先从归纳逻辑程序设计的问题背景、类型划分和搜索程序子句三个方面介绍了归纳逻辑程序设计系统的概貌;然后结合实验室的相关研究工作,回顾了归纳逻辑程序设计研究的发展;之后介绍了归纳逻辑程序设计领域中需要深入研究的若干问题,并提出了新的解决思路;最后是总结,以引起读者对归纳逻辑程序设计领域研究的进一步关注。
-
关键词
机器学习
逻辑程序设计
归纳逻辑程序设计
粗糙—归纳逻辑程序设计
遗传归纳逻辑程序设计
约束归纳逻辑程序设计
关系数据挖掘
-
Keywords
Machine Learning,Logic Programming,Inductive L ogic Programming,Rough Inductive Logic Programming,Genetic Inductive Logic Pro gramming,Constraint Inductive Logic Programming,Relational Data Mining
-
分类号
TP391.2
[自动化与计算机技术—计算机应用技术]
-
