2014硕士论文开题报告模板.doc

沈阳航空航天大学 硕士学位论文开题报告 题 目： 面向计数问题的公式发现 院 （部） 计算机学院 学 科、专 业 计算机技术 研 究 生 蔡东风（教授） 学 号 朱耀辉 导 师 20130603008 开题报告日期 2014.10.19 研究生学院制 课题来源及研究的目的和意义 课题来源 发现科学规律，在人工智能领域一直是一个难点问题，由于本人对数学的喜好，在老师的指导下，由实验室自定课题。 选题价值及意义 知识发现（KDD：Knowledge Discovery in Database）是从数据集中识别出有效的、新颖的、潜在有用的，以及最终可理解的模式的非平凡过程。知识发现将信息变为知识。 知识发现的是十分广阔的。已经远远超出了最初的“货架子工程”。从工业到农业，从天文到地理，从预测预报到决策支持，KDD都发挥着越来越重要的作用。许多计算机软件开发商都已经推出了其数据挖掘产品，如IBM．Microsoft，SPSS．SGI，SLPInfoware，SAS(ObjectBusiness)等。 在大数据时代，知识发现是从大量的、不完整的、有噪声的、模糊的和随机的数据中，提取隐含在其中的、人们事先不知道的、但又是可信的、潜在的和有价值的信息和知识的过程。本文课题是面向精准无噪声、小数据的知识发现，其发现的知识也是以公式形式的知识，这是面向科学的知识发现。在科学知识的发现过程中，一般都是科学家、工程师等用已知的科学知识和经验，经过复杂的推导和验证才发现出来。这要耗费他们大量的时间。本文用基于数据驱动的方法，发现数据之间的规律，从而指导科学知识的发现。 国内外在该方向的研究现状及分析 知识发现的目的是向使用者屏蔽原始数据的繁琐细节，从原始数据中提炼出有意义的、简洁的知识，直接向使用者报告。基于数据库的知识发现(KDD)和数据挖掘还存在着混淆，KDD是确定数据中有效的、新颖的、潜在有用的、基本可理解的模式的特定过程。而数据挖掘可认为是观察数据中模式或模型的抽取，这是对数据挖掘的一般解释。 知识发现的基本任务包括：数据分类、数据聚类、衰退和预报、关联和相关性、顺序发现、描述和辨别、时间序列分析等任务；知识类型包括：广义型知识、分类型知识、关联型知识、预测型知识、偏差型知识等；应用的技术有典型技术和创新技术两大类。典型技术的基于算法的知识发现技术包括：或然性和最大可能性估计的贝叶斯理论 、衰退分析、最近邻、决策树、K-方法聚类、关联规则挖掘 、Web和有哪些信誉好的足球投注网站引擎、数据仓库和联机分析处理、神经网络、遗传算法、模糊分类和聚类、粗糙分类和规则归纳等。创新技术基于可视化方法是在图形学、科学可视化和信息可视化等领域发展起来的，包括：几何投射技术、基于图标技术、面向像素的技术、基于图表技术、混合技术等。 知识发现的相关研究 徐丽平，张俊卿，姜利群，赵亮等人一种新的基于知识库的知识发现系统，在知识库建立过程中，引入了本体的概念，充分挖掘了文档的语义信息，并以统一的格式描述知识即形成知识项存储于知识库中，为用户进行知识发现提供了一种新的数据存储方式。以此为基础构建了知识发现系统，系统通过友好的用户界面为用户提供知识发现服务，系统通过对用户的问题进行语义解析、推理机的推理以及语义映射等，从知识库中检索出用户满意的知识。 杨立,左春,王裕国等人提出了一种新的面向服务的知识发现体系结构SOA4KD, 将用户的知识发现需求分为内容需求和质量需求，并提出了扩展的知识发现任务本体EKDTO，以自然语言的方式进行用户意图获取；在考虑到KDS的服务特性的前提下，充分分析了KDS自身的特点，提出了KDS质量本体KDSQO，采用元学习来进行选择最适合的KDS。相对于目前的体系结构，提出了为最终用户提供高质量知识发现服务的一些新方法和技术，为面向服务的知识发现系统设计与实现提供了一个新的参考模型。 张新有，曾华燊，贾磊等人为了更好评价各种入侵检测算法的性能，指出了入侵检测数据集应当具备的特点。分析了两种有影响的入侵检测数据集：MIT LL入侵检测数据集和由此整理形成的KDD CUP99入侵检测数据集的特点及构成，重点分析了KDD CUP99训练数据集和测试数据集的各攻击类型及详细分布、数据集中每条连接的特征分类及其各个特征的含义，并对数据集的使用进行了说明。最后，对KDD CUP数据集存在的问题及相应改进措施给出了建议。 计算科学知识发现的相关研究 在科学发展史上,各种物理学、化学