2) knowledge discovery in database
数据库中的知识发现
1.
At present the research on application of Rough Set Theory in database focuses on two aspects: One aspect is KDD (Knowledge Discovery in Database), the other aspect is RRDM (Rough Relational Database Model).
目前粗糙集理论在数据库中的应用主要集中在两个方面:一个是数据库中的知识发现(Knowledge Discovery in Database,简称KDD),另一个是粗糙关系数据库模型(Rough Relational Database Model,简称RRDM)。
3) knowledge discovery in databases(KDD)
数据库中的知识发现(KDD)
4) KDD
数据库中的知识发现
1.
Knowledge discovery in database(KDD)is a method of data analysis which get a great deal of attention from researchers and software developers.
随着数据库、数据仓库技术的发展,各种数据处理和分析工具不断出现,数据库中的知识发现(简称KDD)就是现在受到研究人员和软件开发商广泛关注的一种数据分析方法。
5) knowledge discovery in databases
数据库中的知识发现
1.
Knowledge discovery in databases (KDD), a new generation of tools and techniques for automatic and intelligent data analysis, is currently an active research area.
数据库中的知识发现(KDD)主要是研究如何自动地和智能地从海量的数据中提取出有用的知识和信息，它是目前相当活跃的一个研究领域。
补充资料：知识发现
知识发现
knowledge discovery
操作能力)越强，自主性程度越高;②系统能够做出的选择越多，能够探索的目标空间越大，自主性程度越高。因此，发现系统的认知自主性程度与完成预定任务所需的教师干预程度成反比。在能否最终构造出完全自主的发现系统的问题上，始终存在激烈的争论;但现有发现系统肯定没有达到完全自主的地步。随着研究工作的深人，研究者已开始将注意力从“构造完全自主的发现系统”转向“提高发现系统的自主性程度并混合使用交互式技术”。就目前情况来看，在这个方向上有下述几方面的工作已引起重视: (1)运用各种技术以提高知识发现的“自主性”的质量。例如LL〔系统就是运用演绎推理技术和交互式技术实现大量数据的知识发现的功能;TANEL系统则是采用基于解释学习技术来发现大容量知识库中的规整性。 (2)发展系统的自主评价能力。在三类研究中，发现系统均可能对同一组输人产生不同的甚至相互冲突的中间或最终结果。认知自主性要求发现系统能够对这些结果作出选择。 (3)加强各种发现技术和研究成果的集成。 以上三个方面是紧密联系的，例如，集成既向评价提出了较高的要求，又为评价提供了基础。 知识发现是人工智能中最富挑战性的课题之一，它的研究不仅与人工智能的众多领域密切相关，而且与科学哲学、认知心理学等学科有广泛的交叉。无论能否最终达到其“理想”目标，这一研究的进展将对整个人工智能及相关学科产生不可忽视的影响。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条