摘要：针对训练样本较大时KNN算法(K最近邻算法)的分类效率较低和训练样本不均衡时算法的分类性能受到影响这两个问题,提出变精度粗糙集的加权KNN文本分类算法。利用变精度粗糙集上下近似的概念,将各个类别的训练集分为β正区域和β边界域。分类过程中根据测试样本与样本中心的相似度,得到样本的归属区域。其中属于β正区域的样本可以直接判断其类别,其它区域的样本用基于数量加权的KNN算法判断其类别。实验结果表明,该算法能有效提高分类的性能和效率。

摘要：论文针对传统关联规则挖掘的不足,提出了关联规则的交互式可视化挖掘方法,指出在关联规则的交互式可视化挖掘过程中应体现3个重要特性,即前阶段的可约束性,过程中的可交互性,后阶段的可评价性,提出了集这3个特性为一体的关联规则交互式可视化挖掘过程;设计并实现了基于XML/EXCEL的挖掘结果模型表示方法;设计实现了交互式可视化关联规则学习器Restrict Apriori并将其与机器学习平台Weka集成,从而完善了Weka的数据挖掘性能.

摘要：关联规则挖掘与分类规则挖掘是数据挖掘领域中的重要技术。文中首先简要介绍了关联规则挖掘和分类规则挖掘的基本知识,主要从挖掘目的、发现规则算法的方法及算法的设计思想等几个方面进行比较,最后介绍了它们之间的联系。

摘要：关联规则挖掘与分类规则挖掘都是数据挖掘领域中很重要的技术。本文首先简要介绍了关联规则挖掘和分类规则挖掘的基本知识,主要从挖掘目的、发现规则算法的方法、算法的设计思想等几个方面对它们进行了比较,最后介绍了它们之间的联系。

摘要：个性化信息检索中,设计用户兴趣模型是一个关键问题。通过分析Web环境下用户的特点和浏览行为,提出一种基于层次向量空间模型的用户兴趣建模和更新方法,以满足用户个性化的服务需求。根据用户对页面的浏览速度来计算用户的兴趣度,使模型便于实现,且更新及时、简单。