| 项目概述 |
本项目重点研究有关数据挖掘与智能知识管理理论及其应用中的四个方向：
最优化理论与算法研究；
数据挖掘建模、算法 ；
智能知识管理理论与模式；
实证研究和应用。本群体将数据技术基本原理与知识管理的基本原理的探索相结合，开展深入研究，并在这一交叉学科上做出有选择性的突破。
2011年度进一步对基础性问题和关键技术开展深入的研究：
[1] 数据挖掘与智能知识管理的系统理论框架
1.1 进一步追踪数据挖掘技术的发展，研究新方法与技术对正在崛起的智能知识管理可能产生的影响。
1.2 在已完成的智能知识管理的基本数学结构上，深入探讨这种结构的逻辑化与形式化数学关系，特别是数据挖掘作为“一阶知识发现”及获取职能知识作为“二阶知识发现”的内在联系的数学模式。
1.3 从理论上，较全面地、准确地提出公理化的数据挖掘与智能知识管理的系统。
[2] 研究并发现新的数据挖掘方法
2.1 深入地寻求高水平、具有实际应用价值并能从海量数据中提取潜在的、有用的知识、近似于智能知识的数据挖掘技术。这些技术包括基于多目标多约束条件的分类模型、基于多目标的效用关联法、多目标多约束条件的回归法、复杂动态数据模式等。
2.2 研究能反应数据有效性与实时性的数据挖掘技术。这些方法包括具有高性能和分布式计算环境的数据挖掘法、金融或媒体等形式的数据流挖掘法、与知识规划相关的多目标数据挖掘法等。
[3] 系统性研究智能知识管理方法
3.1 根据智能知识管理的基本数学结构，建立衡量数据-信息-智能知识之间“管理测度”的公理化及系统化表达形式与运算规则。
3.2 完善智能知识作为一类“特殊”知识的孵化、产生、保存、转化和应用的一系列数量化描述方式。
3.3 进一步探讨人-机交互在智能知识管理中的应用，特别是人、智元（Agent）、与数据分析相结合的定性与定量容错关系与表达形式。研究包括使用“知识地图”等方式的智能知识可视化技术以便理解智能知识的复杂性。 |
