DL环境下的信息资源管理及知识发现研究
|
摘要
针对数字图书馆下的信息资源组织建设问题,论文从信息资源的管理方法及网络信息的数据挖掘技术两个方面进行了研究。
首先从信息资源数字化、多媒体化、网络化等方面分析了数字图书馆信息资源的特点及现行编目方法在网络信息资源描述方面的局限性,并在此基础上阐述了用于数字图书馆信息资源描述的元数据方法;阐述了元数据的定义、类型、结构、编码语言等基础理论;研究了元数据的互操作性。对典型元数据方案都柏林核心集的应用进行了分析,探索了都柏林核心集元素的格式与应用;比较了都柏林核心集与现行编目方法的异同;并对网络信息资源的整序问题进行了讨论。
在网络信息的数据挖掘技术方面,针对传统向量空间模型存在的不足,运用模糊数学相关概念构造了模糊特征向量空间模型,提出了文档模糊特征提取及模糊特征向量的构造方法;提出了基于模糊向量空间模型的三种聚类算法:K均值聚类算法、核聚类算法、基于蚁群智能的聚类算法。其中,K均值聚类算法与核聚类算法需要预先给定聚类数目,通过不断迭代修正聚类中心,使聚类趋于稳定和精确;蚁群聚类算法无需预先给定类数,而是依据文档相似度,让蚁群携带文档移动。蚁群合作可表现出高度智能性,可以较好的完成聚类任务。应用人工智能领域的模糊逻辑、神经网络、机器学习等理论,提出了三种文档信息资源的自动分类方法:基于加权模糊推理网络的文档自动分类算法;基于自组织特征映射网络的文档自动分类算法;基于级联式支持向量机的文档自动分类算法。前两种算法首先依据已知类别的若干分类样本,构造满足输入输出关系的分类网络,然后应用不同的迭代算法完成网络的训练。加权模糊推理网络采用高斯-塞德尔迭代法求解满足输入输出映射关系的一组权系数。自组织特征映射网络采用无教师和有教师相结合的方式获得网络的分类能力。支持向量机分类算法具有较高的泛化性能,但是只能处理两类模式分类问题,级联式支持向量机可处理多个模式的分类。以上每种算法均给出了详细的分类原理和实施方案,实验部分证明了算法的有效性及可行性。
最后,论文提出了加强数字图书馆管理及知识发现的一些对策。
Aiming at information resources construction of digital library, the methods of information organizing and data mining are studied.First, the characteristics of information resources of digital library are given, the restrictions of general catalogue in describing networks information are shown. The metadata methods of describing networks information resources are expatiated. The definition, type, structure, coding language of metadata are presented. The interaction of metadata is researched. The application of typical metadata Dublin core is analyzed. The element formation of Dublin core is studied. The differences between Dublin core and general catalogue are compared. The networks information resource catalogue is discussed.Secondly, for data mining aspect of networks information, fuzzy vector space model is shown. The methods of fuzzy characteristic extracting and fuzzy characteristic vector constructing are presented. Three clustering algorithms are presented, these algorithms are as follows: k-means clustering algorithm, kernel clustering algorithm and ant cluster intelligence clustering algorithm.These clustering algorithms are based on fuzzy vector space model. Applying theory of fuzzy logic, neural networks and machine learning in artificial intelligence fields, three classification algorithms are presented, these algorithms are as follows: document automatic classification method based on weighting fuzzy reasoning networks, document automatic classification method based on self-organization feature mapping networks, document automatic classification method based on suppert vector machine. Each of algorithms gives detailed classification principle and approach. The availability of the algorithms is proved by experiment.Finally, a few countermeasures of reinforcing DL management and knowledge discovery are presented.
首先从信息资源数字化、多媒体化、网络化等方面分析了数字图书馆信息资源的特点及现行编目方法在网络信息资源描述方面的局限性,并在此基础上阐述了用于数字图书馆信息资源描述的元数据方法;阐述了元数据的定义、类型、结构、编码语言等基础理论;研究了元数据的互操作性。对典型元数据方案都柏林核心集的应用进行了分析,探索了都柏林核心集元素的格式与应用;比较了都柏林核心集与现行编目方法的异同;并对网络信息资源的整序问题进行了讨论。
在网络信息的数据挖掘技术方面,针对传统向量空间模型存在的不足,运用模糊数学相关概念构造了模糊特征向量空间模型,提出了文档模糊特征提取及模糊特征向量的构造方法;提出了基于模糊向量空间模型的三种聚类算法:K均值聚类算法、核聚类算法、基于蚁群智能的聚类算法。其中,K均值聚类算法与核聚类算法需要预先给定聚类数目,通过不断迭代修正聚类中心,使聚类趋于稳定和精确;蚁群聚类算法无需预先给定类数,而是依据文档相似度,让蚁群携带文档移动。蚁群合作可表现出高度智能性,可以较好的完成聚类任务。应用人工智能领域的模糊逻辑、神经网络、机器学习等理论,提出了三种文档信息资源的自动分类方法:基于加权模糊推理网络的文档自动分类算法;基于自组织特征映射网络的文档自动分类算法;基于级联式支持向量机的文档自动分类算法。前两种算法首先依据已知类别的若干分类样本,构造满足输入输出关系的分类网络,然后应用不同的迭代算法完成网络的训练。加权模糊推理网络采用高斯-塞德尔迭代法求解满足输入输出映射关系的一组权系数。自组织特征映射网络采用无教师和有教师相结合的方式获得网络的分类能力。支持向量机分类算法具有较高的泛化性能,但是只能处理两类模式分类问题,级联式支持向量机可处理多个模式的分类。以上每种算法均给出了详细的分类原理和实施方案,实验部分证明了算法的有效性及可行性。
最后,论文提出了加强数字图书馆管理及知识发现的一些对策。
Aiming at information resources construction of digital library, the methods of information organizing and data mining are studied.First, the characteristics of information resources of digital library are given, the restrictions of general catalogue in describing networks information are shown. The metadata methods of describing networks information resources are expatiated. The definition, type, structure, coding language of metadata are presented. The interaction of metadata is researched. The application of typical metadata Dublin core is analyzed. The element formation of Dublin core is studied. The differences between Dublin core and general catalogue are compared. The networks information resource catalogue is discussed.Secondly, for data mining aspect of networks information, fuzzy vector space model is shown. The methods of fuzzy characteristic extracting and fuzzy characteristic vector constructing are presented. Three clustering algorithms are presented, these algorithms are as follows: k-means clustering algorithm, kernel clustering algorithm and ant cluster intelligence clustering algorithm.These clustering algorithms are based on fuzzy vector space model. Applying theory of fuzzy logic, neural networks and machine learning in artificial intelligence fields, three classification algorithms are presented, these algorithms are as follows: document automatic classification method based on weighting fuzzy reasoning networks, document automatic classification method based on self-organization feature mapping networks, document automatic classification method based on suppert vector machine. Each of algorithms gives detailed classification principle and approach. The availability of the algorithms is proved by experiment.Finally, a few countermeasures of reinforcing DL management and knowledge discovery are presented.
引文
[1] 张津丽,吴国兴.国家数字图书馆——我国信息资源建设的主体工程.情报学报.1998(6):9-13页。
[2] 赵凯威,张桂玲.国外数字图书馆评价研究综述.情报科学2003(5):479-482页。
[3] 周瑞平.论数字图书馆.情报科学2000(11):997-998页。
[4] 孙承鉴,刘刚.中国数字图书馆建设的起步与发展.国家图书馆学刊.2000(3):10-16页。
[5] 董慧,安璐.数字图书馆关键技术的分析与启示(上).情报学报.2002(6):700-707页。
[6] 董慧,安璐.数字图书馆关键技术的分析与启示(下).情报学报.2003(2):52-58页。
[7] 鞠建伟,江润莲.我国的数字图书馆发展现状综述.农业图书情报学刊.2004(6):5-8页。
[8] 李月丽.近年来我国数字图书馆理论研究的进展.四川图书馆学报.2001(1):14-18页。
[9] 于升峰,薛刚.王双保数字图书馆的关键技术研究.情报学报.1999(6):536-540页。
[10] PhilBritt. Warehouse Warming. DMReview, 1999(10): 23-29P.
[11] 孙嫒.基于Web技术的图书馆自动化系统.中科院文献情报中心硕士研究生毕业论文.1999:15-33页。
[12] 汪冰.电子图书馆理论和实践研究.中科院文献情报中心博士研究生毕业论文.1997:35-63页。
[13] 王珊.数据仓库技术与联机分析处理.北京:科学出版社.1998:13-78页。
[14] Billlnlllon. DataMart Not Equal Data Warehouse. DMReview. 1998 (5): 25-31P.
[15] 印勇,曹长修,林景栋等.数据仓库和数据采掘研究综述.重庆大学学报(自然科学版).2000(3):116-119页。
[16] 佘春红.数据仓库及其相关技术综述.长江大学学报(自然科学版).2004(3):23-27页。
[17] 陈峰.数据仓库技术综述.重庆工学院学报.2002(4):59-63页。
[18] 卢启程,邹平.数据挖掘的研究与应用进展.昆明理工大学学报.2002(10):62-66页。
[19] 郭秀娟.数据挖掘方法综述.吉林建筑工程学院学报.2004(3):49-53页。
[20] 王艳.数据挖掘在数字图书馆中的应用.情报科学.2003(2):211-214页。
[21] 王振友,谢青松.人工智能学科的发展.山东工程学院学报.2001(12):1-6页。
[22] 石纯一著.人工智能原理.北京:清华大学出版社.1994:1-38页。
[23] 蔡自兴,徐光佑.人工智能及其应用(第二版).北京:清华大学出版社.1996:1-16页。
[24] 史忠植.知识发现.北京:清华大学出版社.1-20页。
[25] 刘炜,张亮.数字图书馆的体系结构与元数据方案.情报学报.2003(2):148-154页。
[26] 郭瑞华.谈数字图书馆元数据的制作.北京图书馆馆刊.1999(3):47-50页。
[27] 邵峰晶,于忠清.数据挖掘原理与算法.北京:中国水利水电出版社.2003:126-128页。
[28] 何新贵.模糊知识处理的理论与技术(第二版).北京:国防工业出版社.1998:406-412页。
[29] 徐士良.计算机常用算法(第二版).北京:清华大学出版社.1995:95-101页。
[30] 何新贵,彭甫阳.中文文本的关键词自动抽取和模糊分类.中文信息学报.1999(1):9-15页。
[31] 许少华,何新贵.一类正则模糊神经网络及在沉积微相识别中的应用.控制与决策.2002(3):332-335页。
[32] 王志丽,樊玉敬.XML在数字图书馆中的应用研究.情报学报.2002(6):1305-1307页。
[33] 张莉,周伟达,焦李成.核聚类算法.计算机学报.2002(6):587-590页。
[34] 王爱华,张铭,杨冬青等.PCCS部分聚类分类一种快速的Web文档聚类方法.计算机研究与发展.2001(4):415-420页。
[35] 朱克斌,唐菁,杨炳儒.Web文本挖掘系统及聚类分析算法.计算机工程.2004(7):138-139页。
[36] 行小帅,潘进,焦李成.基于免疫规划的K-means聚类算法.计算机学 报.2003(5):605-610页。
[37] 赵黎,祁卫,李子青.基于关键帧提取的最近特征线(NFL)聚类算法的镜头检索方法.计算机学报.2000(12):1292-1296页。
[38] 李晓黎,刘继敏,史忠植.概念推理网及其在文本分类中的应用.计算机研究与发展.2000(9):1032-1037页。
[39] 苏中,马少平,杨强等.基于web-Log Mining的Web文档聚类.软件学报.2002(1):99-103页。
[40] 宋擒豹,沈钧毅.基于关联规则的Web文档聚类算法.软件学报.2002(3):417-422页。
[41] 陈晓波.数字图书馆的编目规则——评析DC元数据.图书情报工作.2002(7):18-21页。
[42] 吴开华,邢春晓,罗德胤.数字图书馆元数据研究.中国图书馆学报.2002(3):33-39页。
[43] 王清.数字图书馆中元数据与Dublin Core.山东图书馆季刊.2002(3):112-114页。
[44] 肖珑.元数据格式在数字图书馆中的应用.大学图书馆学报.1999(4):56-61页。
[45] 赵慧勤.数字图书馆的信息组织——元数据描述技术.图书情报工作.2001(7):53-58页。
[46] 盛小平.论元数据在数字图书馆信息组织中的应用.图书情报工作.2001(7):26-30页。
[47] 黄星亮.都柏林核心元数据及其在我国数字图书馆建设中的应用.图书馆学研究.2002(7):28-30页。
[48] 陈晓波,马汝惠.元数据——数字图书馆的编目规则.青岛教育学院学报.2002(9):53-56页。
[49] 孙嫒.元数据——数字图书馆的编目规则.现代图书情报技术.1999(5):14-16页。
[50] 马秀华,肖军,金哲勇.数字图书馆建设中的问题及对策.农业图书情报学刊.2003(3):13-16页。
[51] 姜继红.都柏林核心元数据及其在数字图书馆中的应用.现代情报.2003(3):76-77页。
[52] 梁红.都柏林核心元数据在数字图书馆资源组织中的应用与思考.现代情报.2004(2):171-174页。
[53] 季莹,黄茂琳,曹伟.我国数字图书馆的发展前景及对策研究.情报科学.2001(5):474-476页。
[54] 刘国华,戴智丽.DC元数据在数字图书馆中的应用.燕山大学学报.2003(1):21-24页。
[55] 唐建国,胡芒谷.Web数据挖掘对Web数据检索的支持作用.情报学报.2004(4):452-455页。
[56] 刘振岩,王万森,陈立平.WEB信息检索与WEB数据挖掘.微机发展.2003(7):66-69页。
[57] 郑家恒,宋文中.WWW中文信息自动分类方法研究.情报学报.2002(5):532-536页。
[58] 杨传耀,张文德.对小样本集进行分类技术研究.情报学报.2004(2):142-146页。
[59] 施洁斌.基于概率神经网络的文本自动分类研究.情报学报.2004(2):147-151页。
[60] 孔锐,张国宣.基于核的K-均值聚类.计算机工程.2004(6):12-14页。
[61] 伍忠东,高新波,谢维信.基于核方法的模糊聚类算法.西安电子科技大学学报(自然科学版).2004(8):533-537页。
[62] 阎辉,张学工,李衍达.基于核函数的最大间隔聚类算法.清华大学学报(自然科学版).2002(1):132-134页。
[63] 陈宁,陈安,周龙骧.基于模糊概念图的文档聚类及其在Web中的应用.软件学报.2002(8):1598-1603页。
[64] 宋玲,马军,刘怀辉.基于神经网络的概念联想和概念聚类.情报学报.2002(2):167-172页。
[65] 顾雪平,张志刚,张文勤.基于神经网络的暂态稳定评估输入空间可分性.华北电力大学学报.2000(4):16-20页。
[66] 权光日,洪炳熔,钱国良.基于示例学习的特征空间变换方法.计算机研究与发展.1998(5):398-402页。
[67] 王勋,刘君强.基于文档聚类的Web辅助浏览研究.情报学报.2002(2):168-172页。
[68] 杨怡玲,管旭东,尤晋元.基于页面内容和站点结构的页面聚类挖掘算法.软件学报.2002(3):467-469页。
[69] 李晓黎,刘继敏,史忠植.基于支持向量机与无监督聚类相结合的中文网,页分类器.计算机学报.2001(1):62-68页。
[70] 孙学刚,陈群秀,马亮.基于主题的Web文档聚类研究.中文信息学报.2003(3):21-26页。
[71] 董丕彦,马巍.检索词模糊聚类基础上的上下文相关提问扩展算法.情报科学.2004(8):967-970页。
[72] 王启新,李毅,董丽等.渐进分布式网页聚类算法PG与PG.软件学报.2002(8):1050-1057页。
[73] 刘延章,余义芳.近五年来网络信息分类组织研究的现状及其展望.情报学报.2004(2):173-178页。
[74] 卜东波,白硕,李国杰.聚类分类中的粒度原理.计算机学报.2002(8):810-816页。
[75] Martin T.Hagan Howard B.Demuth Mark H.Bealez著,戴葵等译.神经网络设计.北京:机械工业出版社.2002:346-375页。
[76] J.P.Marques de Sa著,吴逸飞译.模式识别——原理、方法及应用.北京:清华大学出版社.2002:75-140页。
[77] 王士同编著.神经模糊系统及其应用.北京:北京航空航天大学出版社.1998:4-32页。
[78] Tom M.Mitchell著.曾华军,张银奎等译.机器学习.北京:机械工业出版社.2003:60-90页。
[79] Vladimir N.Vapnik著,张学工译.统计学习理论的本质.北京:清华大学出版社.2000:85-126页。
[80] 陶跃华,陈丽萍,王泳.聚类分析在搜索引擎中的应用.计算机工程与应用.2003(21):180-182页。
[81] 林福永,左小德.决策支持系统(DSS)的研究与发展(综述).暨南大学学报(自然科学与医学版).1997(10):34-39页。
[82] 沈红斌,王士同,吴小俊.离群模糊核聚类算法.软件学报.2004(7):1021-1029页。
[83] 鲁奎.基于XML/RDF数字图书馆信息资源描述与应用研究.合肥工业大学硕士学位论文.2003.6:1-48页。
[84] 蔡红.数字图书馆建设研究.华中师范大学硕士学位论文.2003.5:1-40页。
[85] 曹志红.数字图书馆资源组织与发布系统研究.山东大学硕士学位论文.2002.11:1-45页。
[86] 高明.数字图书馆中资源搜索引擎.北方交通大学硕士学位论 文.2001.2:35-65页。
[87] 程变爱.数字图书馆背景下网络信息资源的描述与组织研究.中科院文献情报中心硕士研究生学位论文.2001.1:21-44页。
[88] 徐建锁,王正欧,王莉.一种基于自组织神经网络的中文文本聚类新方法.情报学报.2003(6):676-680页。
[89] 王建会,申展,胡运发.一种实用高效的聚类算法.软件学报.2004(5):697-705页。
[90] 杨建林.一种使用自动聚类思想的自动文摘方法.情报学报.2001(5):532-536页。
[91] 谢毓湘,吴玲达,老松杨.一种有效的支持海量图像数据库QBE查询的聚类索引算法.小型微型计算机系统.2001(10):1229-1232页。
[92] 宾锋.信息检索的新方法——检索结果自动聚类.情报杂志.2002(11):31-32页。
[93] 石冰,郑燕峰.信息检索中的数据挖掘技术.情报学报.1999(2):103-106页。
[94] 王熙照,王亚东,湛燕.学习特征权值对K-均值聚类算法的优化.计算机研究与发展.2003(6):869-873页。
[95] 陈福集,杨善林.一种基于SOM的中文Web文档层次聚类方法.情报学报.2002(2):173-176页。
[96] 曾玉.信息检索的模糊聚类分析模型.情报学报.2004(4):433-436页。
[97] 季莹,黄茂琳,曹伟.我国数字图书馆的发展前景及对策研究.情报科学.2001(5):474-476页。
[98] 傅兰生.我国科技信息资源建设若干战略问题的思考.情报学报.1996(5):372-377页。
[99] 卜东波,白硕,李国杰.文本聚类中权重计算的对偶性策略.软件学报.2002(11):2083-2089页。
[100] 姜宁,史忠植.文本聚类中的贝叶斯后验模型选择方法.计算机研究与发展.2002(5):580-587页。
[101] 王实,高文,李锦涛.路径聚类在Web站点中的知识发现.计算机研究与发展.200l(4):482-486页。
[102] 于捷,刘绍洋.面向知识管理的高校数字图书馆建设.情报科学.2004(3):311-314页。
[103] 李侃,刘玉树.模糊核聚类的自适应算法.控制与决策.2004(5):595- 597页。
[104] 张琪玉.情报检索语言中聚类的原理和方法.北京图书馆馆刊.1997(1):18-25页。
[105] 周琴,张茵,苏婉莹.Dublin Core与网络标记语言的契合机理.情报杂志.2003(8):43-45页。
[106] 盛昌银.都柏林核心元数据——网络信息资源组织的新标准.现代图书情报技术.2003(1):44-47页。
[107] 刘延,张凌.元数据DC与MARC的互换.中华医学图书情报杂志.2003(7):52-55页。
[108] 朱红涛.元数据、Dublin Core和MARC分析研究.情报杂志.2004(1):85-87页。
[109] 梁焕平.MARC与Dublin Core两种元数据的比较研究.情报杂志.2004(4):110-112页。
[110] 章旭,钱龙华.一个基于dublin Core元数据的超文本查询引擎.苏州大学学报(自然科学版).2004(4):30-34页。
[111] 张爱优.21世纪图书馆编目标准——dublin Core与MARC并存.津图学刊.2002(1):44-46页。
[112] 陈晰明.Dublin Core元数据浅析.晋图学刊.2002(9):41-22页。
[113] 黄星亮.都柏林核心元数据及其在我国数字图书馆建设中的应用.津图学刊.2002(3):17-20页。
[114] 何新贵.模糊推理网络和计算推理.软件学报.1996(10):282-287页。
[115] 曾建平.元数据、都柏林核心集与网络资源编目.韶关学院学报(自然科学版).2002(3):55-59页。
[116] 桑良至.元数据的新发展.情报科学.2003(3):283-285页。
[117] 王鑫鑫.CNMARC与Dublin Core的转换研究.情报科学.2003(12):1283-1285页。
[118] 赵慧勤.网络信息资源组织——Dublin Core元数据.情报科学.2001(4):439-442页。
[119] 粟慧.元数据、HTML和都柏林核心集——关于WEB网页的编目.情报科学.2001(12):1272-1275页。
[120] 刘俊熙,叶元芳.传统文献编目·元数据·都柏林核心集理论探讨.现代图书情报技术.2001(1):9-13页。
[121] 李弋.媒体资产管理中基于Dublin Core的元数据方案.广播与电视技 术.2002(11):56-60页。
[122] 赵光林.MARC与Dublin Corn之比较研究.情报学报.2002(1):83-89页。
[123] 刘颖,李静霞.网络信息组织与发现的有力工具——Dublin Core.图书馆建设.2002(1):33-35页。
[124] 张爱优.Dubl in Core21世纪图书馆编目标准.2002(1):35-41页。
[125] 孙冰,乔克满.网络环境下图书馆MARC元数据与Dublin Core元数据 之比较.巢湖学院学报.2002(4):116-119页。
[126] 庄育飞.都柏林核心集及其价值初探.图书情报工作.1999(7):253-258页。
[127] 周宁,林蓉,严亚兰.都柏林核心元数据研究的新进展.情报科学.2000(6):568-571页。
[128] 刘英梅,刘赛红.都柏林核心元数据及其应用.情报科学.2000(6):576-580页。
[129] 王新.都柏林核心集综述.情报理论与实践.2000(5):389-391页。
[130] 庄育飞,郑卫.Dublin Core网络资源组织与整理的新思路.情报学报.2000(2):164-169页。
[131] 林蓉,周宁,严亚兰.一种基于事件的都柏林核心(DC)数据模型.情报学报.2000(3):265-270页。
[132] 林雅萍.数字语文献著录方式的新视角——关于Dublin Core和Metadat格式研究综述.湖北教育学院学报.2000(1):99-103页。
[133] 纪录恩,庄雷波.略论元数据Dublin Core与MARC的关系.情报探索.2000(12):19-21页。
[134] 许四洋,柳晓春.Dublin Core元素与CNM ARC字段的匹配对应.大学图书馆学报.2001(5):38-41页。
[135] 金咏梅.试论数字图书馆的信息资源管理策略.图书情报知识.2003(6):33-35页。
[136] 王建远.数字图书馆的建设与组织管理.北京联合大学学报.2000(4):83-87页。
[137] 赵继海,史国祥.字图书馆的用户管理与服务.情报学报.2001(2):224-231页。
[138] 刘成山,赵捧未,窦永香.数字图书馆及其实现技术.情报科学.2002(12):1319-1322页。
[139] 马秀华,肖军,金哲勇.数字图书馆建设中的问题及对策.农业图书情报学刊.2003(3):13-16页。
[140] 黄敏.数字图书馆信息服务机制研究.情报科学.2003(8):862-864页。
[141] 吴传炉,李业龙.数字图书馆信息资源建设探讨.现代图书情报技术.2000(6):21-24页。
[142] 汤莉华.数字图书馆信息资源建设之思考.国家图书馆学刊.2003(2):76-80页。
[143] 何月顺,杜萍,丁秋林.数字图书馆中查询结果的自动分类算法的设计.计算机工程与应用.2003(32):133-134页。
[144] 韩惠琴,刘柏嵩.数字图书馆中的知识发现.情报学报.2001(3):323-330页。
[145] 刘平兰.数字图书馆中基于关系图的篇章分析方法研究.情报杂志.2003(12):88-90页。
[146] 成奋华,吴家强.数字图书馆中基于向量空间模型的文档分类系统.情报杂志.2004(7):9-11页。
[147] 杜安平.网络分类体系基本原理研究.图书馆学研究.2002(4):60-62页。
[148] 金燕,张玉峰.网络数据挖掘及其在面向Web的知识检索中的应用.现代图书情报技术.2003(6):55-57页。
[149] 黄建年.网络信息分类浅议.情报学报.1999(6):514-518页。
[150] 高文,刘峰.数字图书馆——原理与技术实现.北京:清华大学出版社.2000:35-98页。
[151] 张智雄.XML:引导下一次Web革命的标识语言.现代图书情报技术.1999(增刊):77-80页。
[152] 方曙.SGML与网络文献资源建设.现代图书情报技术.1999(增刊):114-119页。
[153] 王实.基于WEB访问信息挖掘的推荐方法研究.中科院计算机所博士论文.2001(9):33-58页。
[154] 林尧瑞等著.专家系统原理与实践.北京:清华大学出版社.1987:18-93页。
[155] 杨学山著.专家系统及在管理中的应用.北京:清华大学出版社.1991:31-85页。
[156] 吴斌,傅伟鹏,郑毅等.一种基于群体智能的Web文档聚类算法.计算机 研究与发展.2002(11):1429-1435页。
[157] Zadeh, L. A. Fuzzy logic and its application to approach to qualitative algebraic reasoning. Proc. AAAI. 1988: 264-269P.
[158] Tan, S. K.; Wang, P. Z., A characterization of optimal fuzzy sets in fuzzy optimization. Intelligent and Fuzzy system, 1994, 1 (1): 313-318 P.
[159] McCulloch, W. S.; Pitts, W. H., A logical calculus of the ideas immanent in neuron activity. Bulletin Mathematical Biophysics, 1943, 5: 115-133 P.
[160] Rosenblatt, F. Two theorems of statistical separability in the perceptron. Mechanization of Thought Processes, Proceedings of a symposium held at the National Physical Laboratory, 1958, 1: 421-456 P.
[161] Widrow, B., Generalization and information storage in networks of adline 'neurons', Self-organizing systems, Yovitz M., G. Jacobi, Goldstein G., Washington, DC: Spartan Books, 1962, 435-461 P.
[162] Amari, S., et al, Mathematical theory on formation of category detecting nerve cells. Biol. Cyber, 1978, 29: 127-136 P.
[163] Grossberg, S., Adaptive pattern classification and universal recoding, I: Parallel development and coding of neural feature detectors. Biolog. Cybernetics, 1976, 23: 121-134 P.
[164] Grossberg, S., Adaptive pattern classification and universal recoding, Ⅱ: Feedback, expectation, olfaction, and illusion. Biolog. Cybernetics, 1976, 23: 187-202 P.
[165] Anderson, J. A., A simple neural network generating interactive memory. Mathematical Biosciences, 1972, 14: 197-200 P.
[166] Fukushima, K., Cognitron: a self-organizing multilayered neural network. Biol. Cyber. 1975, 20(3): 121-136 P.
[167] Hopfield, J. J., Neural networks and physical systems with emergent collective computational abilities. Proc. Of the National Academy of Science, U. S. A. 1983, 79: 2554-2558 P.
[168] Hopfield, J. J., Neural with graded response have collective computational properties like those of two-state neurons. Proc. Of the Natioal Academy of Science, U. S. A. 1984, 81: 3088-3092 P.
[169] Hopfield, J. J., Tank D. W., Neural Computation of decisions optimization problems. Biol. Cyber. 1985, 52: 141-152 P.
[170] Hinton, G. H.; Sejnowskii, T. J.; Ackley, D. H., Boltzmann machine: constraint satisfaction networks that learn, CMU-CS-84-119, Camegie-Millon Uni., 1984 P.
[171] Ackley, D. H.; Hinton, G. H.; Sejnowskii, T. J., Learning algorithm for Boltzmann machines. Cognitive Science, 1985, 9: 147-169 P.
[172] Kosko, B., Adaptive biderectional associative memories. Applied Optics, 1987, 26(23): 4947-4960 P.
[173] Kosko, B., Bidirectional associative memories, IEEE Trans. SMC, 1988, 18: 49-60 P.
[174] Kosko, B., Constructing an associative memory. BYTE, 1987, 137-144 P.
[175] Kosko, B., Optical bidirectional associative memories, Proc. SPIE Inst. Soc. Opt. Eng., 1987, 75: 8-11 P.
[176] Hecht-Nielsen R., Theory of the backpropation neural network, Proc. IJCNN89,1989, 1: 593-599 P.
[177] Hornik, K.; Stinchcombe, M.; White, H., Multilayer feedforword networks are universal approximators. Neural Networks, 1989, 2: 359-366 P.
[178] Funahashi, K. On the approximate realization of continuous mappings by neural networks. Neural Networks, 1989, 2: 183-192 P.
[179] Cybenko, G., Approximation by superposition of a sigmoidal function. Mathematics of Control, Signals and Systems, 1989, 2: 303-314 P.
[180] Mirchandani, G.; Cao, W., On hidden nodes for neural nets. TEEE Trans. Circ. Syst., 1989, 36(5): 661-664 P.
[181] Shah, J. V.; Poon, Chi-Sang, Linear independence of intemal representations in multilayer perceptrons. IEEE Trans. on Neural Networks, 1999, 10(1): 10-18 P.
[182] Sontag, E. D., Shattering all sets of k points in general position requires (k-1)/2 parameters. Neural Computation, 1997, 9(2): 337-348 P.
[183] Webb, A. R.; Lowe D., The optimized internal representation of multilayer classifier networks performs nonlinear discriminate analysis. Neural Networks, 1990, 3: 367-375 P.
[184] 张立明.分类网络的泛化问题研究.1997年中国神经计算科学大会论文集.北京:人民邮电出版社.1997:36-39页。
[185] Lee, S. C., Lee, E. T., Fuzzy sets and neural networks. Journal of Cybernetics, 1974, 4: 83-103 P.
[186] Takagi, T.; Hayashi, I., Artificial-neural-network-driven fuzzy reasoning. Int. Workshop on Fuzzy System Applications, 1988, 217-218 P.
[187] Sugeno, M., An introductory survey of fuzzy control. Information Science, 1985, 1: 59-83 P.
[188] Hayashi, I.; Nomura, H.; Wakami, N., Artificial-neural-networks-driven fuzzy control and its application to the learning of inverted pendulum system. Proceedings of 3rd IFSA Congress, 1989, 610-613 P.
[189] Hayashi, Y., Buckley, J. J.; Czogala, E., Systems engineering applications for fuzzy neural networks. J. Systems Engineering. 1992, 2: 232-236 P.
[190] Hayashi, Y.; Buckley, J. J.; Czogala, E., Direct fuzzifieation of neural network and fuzzified delta rule. Proc. 2nd Int. Conf. On Fuzzy Logic and Neural Networks, Iizuka, Japan, 1992, 73-76 P.
[191] Hayashi, Y.; Buckley, J. J.; Czogala, E., Fuzzy neural network with fuzzy signals and weights. Proc. Intemat. J. Conf. Neural Networks, Baltimore, 1992, 2: 696-701 P.
[192] Hayashi, Y.; Buckley, J. J.; Czogala, E., Fuzzy neural network with fuzzy signals and weights. Int. J. Intelligent Systems, 1993, 8: 527-537 P.
[193] Hayashi, Y.; Buckley, J. J.; Czogala, E., Systems engineering applications for fuzzy neural networks, Proc. Internat. J. Conf. Neural Networks, Baltimore, 1992, 2: 412-418 P.
[194] Asim, R.; Raymond, M., Fuzzy logic, neural networks, and brain-like learning. Proceedings of the 1997 IEEE International Conference on Neural Networks. Part 1 (of 4) 1997, 1: 9-12 P.
[195] Kosko, B., Fuzzy cognitive maps. International Journal of Man Machine Studies, 24: 65-75 P.
[196] Hsu L. S., Chan S. C., Loc, Fuzzy logic in connectionist's expert systems. Proceedings of International Joint Conference on Neural Networks, IJCNN-90-WASH-DC, 1990, 2: 599-602 P.
[197] 李晓忠,汪培庄,罗承忠.模糊神经网络.南宁:贵州科技出版社.1994:25-85页。
[198] Romaniuk, S. G.; Hall, L. O., Fuzzy net, towards a fuzzy connectionist expert system development tool. Proc. of IJCNN-90-WASH-DC, 1990, 2: 483-486 P.
[199] Carpenter, G. A.; Milenova, B. L.; Benjamin N. W., Distributed ARTMAP: a neural network for fast distributed supervised learning. Neural Networks, 1998,11(5): 793-813 P.
[200] Carpenter, G., A.; Grossberg, S.; Rosen, D. B., Fuzzy ART: An adaptive resonance algorithm for rapid stable classification of analog patterns (Technical Report CAS/CNS-91-006). IJCNN (Seattle), Piscataway, NJ: IEEE Sevice Center. 11,411-416 P.
[201] Carpenter, G, A.; Grossberg, S.; Rosen, D. B., Fuzzy ART: Fast stable learning and categorization of analog patterns by an adaptive resonance system. Neural Networks, 1991,4:159-771 P.
[202] He Xingui(何新贵), Fuzzy computational logic and its applications. Proc. of international workshop on advanced computers for AI, 1990,112-120 P.
[203] He Xingui(何新贵), Fuzzy computational logic and neural networks. Advancement of Fuzzy Theory and Systems, International Academic Publishers, 1990, D14:1-8 P.
[204] He Xingui(何新贵), Fuzzy computational reasoning and neural networks. Proc. of the second international conference on tools for AI, Herndon VA,1990,706-711 P.
[205] Wong, F. S.; Wang, P. Z., A stock selection strategy using fuzzy neural networks. Neurocomputing, 1990,2: 233-242 P.
[206] Simpson, Patrick K., Fuzzy min-max neural networks-Part 1: Classification. IEEE Trans. On Neural Networks, 1992,3(5):776-786 P.
[207]Eiji, U.,; Takeshi, Y., Neo-fuzzy-neuron based new approach to system. Proceedings of the 6th International Conference on Tools with Artificial Intelligence Nov 6-9 1994, New Orleans, LA,, USA, Sponsored by : IEEE IEEE Piscataway NJ USA p 564-570 P.
[208]Patel, U. D.; Carroll, R. L.; Zhang, G; Lee, J., Self-organizing fuzzy CMAC neural network. Proceedings of the 1995 Artificial Neural Networks in Engineering, ANNIE'95,1995,5: 97-102 P.
[209] Wang, G, Shi, H., TMLNN: triple-valued or multiple-valued logic neural network. IEEE Transactions on Neural Networks, 1998,9(6): 1099-1117 P.
[210]Petridis, V.; Kaburlasos, V.G, Fuzzy lattice neural network (FLNN): a
??hybrid model for learning. IEEE Transactions on Neural Networks, 1998, 9(5): 877-890 P.
[211]Farag, W. A.; Quintana, V. H.; Lambert-Torres G, Genetic-based neuro-fuzzy approach for modeling and control of dynamical systems. IEEE Transactions on Neural Networks, 1998,9(5): 756-767 P.
[212]Blume, M; Esener S. C, Efficient mapping of fuzzy ART onto a neural architecture. Neural Networks, 1997,10(3): 409-411 P.
[213]Abdukhalikov, K. S.; Kim, C; Cho H. S., Fuzzy neurons and fuzzy multilinear mappings. Proceedings of the 1997 IEEE International Conference on Neural Networks. Part 1 (of 4) 1997,1: 543-547 P.
[214]Kosko, B., Fuzzy function approximation. IJCNN'92, Baltimore, 1992, 1: 209-213 P.
[215]Kosko, B., Fuzzy system as universal approximators. IEEE Fuzzy'92, 1992,1153-1162 P.
[216] Wang, L X; Mendel, J. M. Fuzzy basis functions, Universal approximation and orthogonal least-squares learning. IEEE Trans on Neural Networks, 1992, 3(5): 807-814 P.
[217] Wang, L. X., Fuzzy system are universal approximators. IEEE Fuzzy'92, 1992, 1163-1170 P.
[218]Gottwald, S., Approximately solving fuzzy relation equations: some mathematical results and some heuristic proposals. Fuzzy Sets and Systems, 1994,66(2): 175-193 P.
[219] Buckley, J. J., Sugeno type controllers are universal controllers. Fuzzy sets and systems, 1993, 53: 299-303 P.
[220]Buckley, J. J.; Hayashi, Y, Can fuzzy neural nets approximate continuous fuzzy functions? Fuzzy Sets and Systems, 1994,61: 43-51 P.
[221]Buckley, J.J.; Hayashi, Y, Neural nets can be universal approximators for fuzzy functions. Proceedings of the 1997 IEEE International Conference on Neural Networks. Part 4 (of 4) 1997,4: 9-12 P.
[222] Abe, S.; Lan, M. S., Function approximator using fuzzy rules extracted directly from numerical data. Proceedings of 1993 International Joint Conference on Neural Networks . Part 2 (of 3), 1993,2: 25-29 P.
[223]Mitaim, S.; Kosko, B., Adaptive joint fuzzy sets for function approximation.
Proceedings Proceedings of the 1997 IEEE International Conference on Neural Networks. Part 1 (of4), 1997, 1: 537-542 P.
[224] Kim, J.; Kim, H., Characterization of fuzzy subgroups of some Abelian groups. Information Sciences, 1994, 80: 243-252 P.
[225] Dogaru, R.; Murgan, A. T.; Chua, L. O., Do we really need multiplier-based synapses for neuro-fuzzy classifiers? Proceedings of the 1997 IEEE International Conference on Neural Networks. Part 2 (of 4) 1997, 2: 9-12 P.
[226] Buckley, J. J., Solving fuzzy equations. Fuzzy Sets and Systems, 1992, 50: 1-14 P.
[227] Buckley, J. J., Solving systems of fuzzy linear equations. Fuzzy Sets and Systems, 1991, 43: 33-43 P.
[228] Christian, W. O.; Karvel, K. T.; Lee, G. C., Fuzzy finite-state automata can be deterministically encoded into recurrent neural networks. IEEE Trans. On Fuzzy Systems, 1998, 6, 1: 76-89 P.
[229] Ishibuchi, H.; Tanaka, H., Fuzzy regression analysis using neural networks. Fuzzy sets and Systems 1992, 50: 257-265 P.
[230] Bardossy, A.; Bogardi, I.; Duckstein, L., Fuzzy nonlinear regression analysis of dose-response relationships. European J. Oper. Res. 1993, 66: 46-51 P.
[231] 陶卿,姚穗,范劲松等.一种新的机器学习算法.Support Vector Machines.模式识别与人工智能.2000(3):285-290页。
[232] 田盛丰,黄厚宽.支持向量机多专家决策算法.模式识别与人工智能.2000(2):165-169页。
[233] 周长久,模糊系统与神经元网络的融合.计算机科学.1993(5):51-54页。
[234] 焦李成.神经网络系统理论.西安:西安电子科技大学出版社.1996:21-83页。
[235] 黄德双.神经网络模式识别系统理论.北京:电子工业出版社.1996:15-109页。
[236] 张军英,保铮.前向网络隐空间分类超平面的构造.电子学报.1999(1):137-139页。
[2] 赵凯威,张桂玲.国外数字图书馆评价研究综述.情报科学2003(5):479-482页。
[3] 周瑞平.论数字图书馆.情报科学2000(11):997-998页。
[4] 孙承鉴,刘刚.中国数字图书馆建设的起步与发展.国家图书馆学刊.2000(3):10-16页。
[5] 董慧,安璐.数字图书馆关键技术的分析与启示(上).情报学报.2002(6):700-707页。
[6] 董慧,安璐.数字图书馆关键技术的分析与启示(下).情报学报.2003(2):52-58页。
[7] 鞠建伟,江润莲.我国的数字图书馆发展现状综述.农业图书情报学刊.2004(6):5-8页。
[8] 李月丽.近年来我国数字图书馆理论研究的进展.四川图书馆学报.2001(1):14-18页。
[9] 于升峰,薛刚.王双保数字图书馆的关键技术研究.情报学报.1999(6):536-540页。
[10] PhilBritt. Warehouse Warming. DMReview, 1999(10): 23-29P.
[11] 孙嫒.基于Web技术的图书馆自动化系统.中科院文献情报中心硕士研究生毕业论文.1999:15-33页。
[12] 汪冰.电子图书馆理论和实践研究.中科院文献情报中心博士研究生毕业论文.1997:35-63页。
[13] 王珊.数据仓库技术与联机分析处理.北京:科学出版社.1998:13-78页。
[14] Billlnlllon. DataMart Not Equal Data Warehouse. DMReview. 1998 (5): 25-31P.
[15] 印勇,曹长修,林景栋等.数据仓库和数据采掘研究综述.重庆大学学报(自然科学版).2000(3):116-119页。
[16] 佘春红.数据仓库及其相关技术综述.长江大学学报(自然科学版).2004(3):23-27页。
[17] 陈峰.数据仓库技术综述.重庆工学院学报.2002(4):59-63页。
[18] 卢启程,邹平.数据挖掘的研究与应用进展.昆明理工大学学报.2002(10):62-66页。
[19] 郭秀娟.数据挖掘方法综述.吉林建筑工程学院学报.2004(3):49-53页。
[20] 王艳.数据挖掘在数字图书馆中的应用.情报科学.2003(2):211-214页。
[21] 王振友,谢青松.人工智能学科的发展.山东工程学院学报.2001(12):1-6页。
[22] 石纯一著.人工智能原理.北京:清华大学出版社.1994:1-38页。
[23] 蔡自兴,徐光佑.人工智能及其应用(第二版).北京:清华大学出版社.1996:1-16页。
[24] 史忠植.知识发现.北京:清华大学出版社.1-20页。
[25] 刘炜,张亮.数字图书馆的体系结构与元数据方案.情报学报.2003(2):148-154页。
[26] 郭瑞华.谈数字图书馆元数据的制作.北京图书馆馆刊.1999(3):47-50页。
[27] 邵峰晶,于忠清.数据挖掘原理与算法.北京:中国水利水电出版社.2003:126-128页。
[28] 何新贵.模糊知识处理的理论与技术(第二版).北京:国防工业出版社.1998:406-412页。
[29] 徐士良.计算机常用算法(第二版).北京:清华大学出版社.1995:95-101页。
[30] 何新贵,彭甫阳.中文文本的关键词自动抽取和模糊分类.中文信息学报.1999(1):9-15页。
[31] 许少华,何新贵.一类正则模糊神经网络及在沉积微相识别中的应用.控制与决策.2002(3):332-335页。
[32] 王志丽,樊玉敬.XML在数字图书馆中的应用研究.情报学报.2002(6):1305-1307页。
[33] 张莉,周伟达,焦李成.核聚类算法.计算机学报.2002(6):587-590页。
[34] 王爱华,张铭,杨冬青等.PCCS部分聚类分类一种快速的Web文档聚类方法.计算机研究与发展.2001(4):415-420页。
[35] 朱克斌,唐菁,杨炳儒.Web文本挖掘系统及聚类分析算法.计算机工程.2004(7):138-139页。
[36] 行小帅,潘进,焦李成.基于免疫规划的K-means聚类算法.计算机学 报.2003(5):605-610页。
[37] 赵黎,祁卫,李子青.基于关键帧提取的最近特征线(NFL)聚类算法的镜头检索方法.计算机学报.2000(12):1292-1296页。
[38] 李晓黎,刘继敏,史忠植.概念推理网及其在文本分类中的应用.计算机研究与发展.2000(9):1032-1037页。
[39] 苏中,马少平,杨强等.基于web-Log Mining的Web文档聚类.软件学报.2002(1):99-103页。
[40] 宋擒豹,沈钧毅.基于关联规则的Web文档聚类算法.软件学报.2002(3):417-422页。
[41] 陈晓波.数字图书馆的编目规则——评析DC元数据.图书情报工作.2002(7):18-21页。
[42] 吴开华,邢春晓,罗德胤.数字图书馆元数据研究.中国图书馆学报.2002(3):33-39页。
[43] 王清.数字图书馆中元数据与Dublin Core.山东图书馆季刊.2002(3):112-114页。
[44] 肖珑.元数据格式在数字图书馆中的应用.大学图书馆学报.1999(4):56-61页。
[45] 赵慧勤.数字图书馆的信息组织——元数据描述技术.图书情报工作.2001(7):53-58页。
[46] 盛小平.论元数据在数字图书馆信息组织中的应用.图书情报工作.2001(7):26-30页。
[47] 黄星亮.都柏林核心元数据及其在我国数字图书馆建设中的应用.图书馆学研究.2002(7):28-30页。
[48] 陈晓波,马汝惠.元数据——数字图书馆的编目规则.青岛教育学院学报.2002(9):53-56页。
[49] 孙嫒.元数据——数字图书馆的编目规则.现代图书情报技术.1999(5):14-16页。
[50] 马秀华,肖军,金哲勇.数字图书馆建设中的问题及对策.农业图书情报学刊.2003(3):13-16页。
[51] 姜继红.都柏林核心元数据及其在数字图书馆中的应用.现代情报.2003(3):76-77页。
[52] 梁红.都柏林核心元数据在数字图书馆资源组织中的应用与思考.现代情报.2004(2):171-174页。
[53] 季莹,黄茂琳,曹伟.我国数字图书馆的发展前景及对策研究.情报科学.2001(5):474-476页。
[54] 刘国华,戴智丽.DC元数据在数字图书馆中的应用.燕山大学学报.2003(1):21-24页。
[55] 唐建国,胡芒谷.Web数据挖掘对Web数据检索的支持作用.情报学报.2004(4):452-455页。
[56] 刘振岩,王万森,陈立平.WEB信息检索与WEB数据挖掘.微机发展.2003(7):66-69页。
[57] 郑家恒,宋文中.WWW中文信息自动分类方法研究.情报学报.2002(5):532-536页。
[58] 杨传耀,张文德.对小样本集进行分类技术研究.情报学报.2004(2):142-146页。
[59] 施洁斌.基于概率神经网络的文本自动分类研究.情报学报.2004(2):147-151页。
[60] 孔锐,张国宣.基于核的K-均值聚类.计算机工程.2004(6):12-14页。
[61] 伍忠东,高新波,谢维信.基于核方法的模糊聚类算法.西安电子科技大学学报(自然科学版).2004(8):533-537页。
[62] 阎辉,张学工,李衍达.基于核函数的最大间隔聚类算法.清华大学学报(自然科学版).2002(1):132-134页。
[63] 陈宁,陈安,周龙骧.基于模糊概念图的文档聚类及其在Web中的应用.软件学报.2002(8):1598-1603页。
[64] 宋玲,马军,刘怀辉.基于神经网络的概念联想和概念聚类.情报学报.2002(2):167-172页。
[65] 顾雪平,张志刚,张文勤.基于神经网络的暂态稳定评估输入空间可分性.华北电力大学学报.2000(4):16-20页。
[66] 权光日,洪炳熔,钱国良.基于示例学习的特征空间变换方法.计算机研究与发展.1998(5):398-402页。
[67] 王勋,刘君强.基于文档聚类的Web辅助浏览研究.情报学报.2002(2):168-172页。
[68] 杨怡玲,管旭东,尤晋元.基于页面内容和站点结构的页面聚类挖掘算法.软件学报.2002(3):467-469页。
[69] 李晓黎,刘继敏,史忠植.基于支持向量机与无监督聚类相结合的中文网,页分类器.计算机学报.2001(1):62-68页。
[70] 孙学刚,陈群秀,马亮.基于主题的Web文档聚类研究.中文信息学报.2003(3):21-26页。
[71] 董丕彦,马巍.检索词模糊聚类基础上的上下文相关提问扩展算法.情报科学.2004(8):967-970页。
[72] 王启新,李毅,董丽等.渐进分布式网页聚类算法PG与PG.软件学报.2002(8):1050-1057页。
[73] 刘延章,余义芳.近五年来网络信息分类组织研究的现状及其展望.情报学报.2004(2):173-178页。
[74] 卜东波,白硕,李国杰.聚类分类中的粒度原理.计算机学报.2002(8):810-816页。
[75] Martin T.Hagan Howard B.Demuth Mark H.Bealez著,戴葵等译.神经网络设计.北京:机械工业出版社.2002:346-375页。
[76] J.P.Marques de Sa著,吴逸飞译.模式识别——原理、方法及应用.北京:清华大学出版社.2002:75-140页。
[77] 王士同编著.神经模糊系统及其应用.北京:北京航空航天大学出版社.1998:4-32页。
[78] Tom M.Mitchell著.曾华军,张银奎等译.机器学习.北京:机械工业出版社.2003:60-90页。
[79] Vladimir N.Vapnik著,张学工译.统计学习理论的本质.北京:清华大学出版社.2000:85-126页。
[80] 陶跃华,陈丽萍,王泳.聚类分析在搜索引擎中的应用.计算机工程与应用.2003(21):180-182页。
[81] 林福永,左小德.决策支持系统(DSS)的研究与发展(综述).暨南大学学报(自然科学与医学版).1997(10):34-39页。
[82] 沈红斌,王士同,吴小俊.离群模糊核聚类算法.软件学报.2004(7):1021-1029页。
[83] 鲁奎.基于XML/RDF数字图书馆信息资源描述与应用研究.合肥工业大学硕士学位论文.2003.6:1-48页。
[84] 蔡红.数字图书馆建设研究.华中师范大学硕士学位论文.2003.5:1-40页。
[85] 曹志红.数字图书馆资源组织与发布系统研究.山东大学硕士学位论文.2002.11:1-45页。
[86] 高明.数字图书馆中资源搜索引擎.北方交通大学硕士学位论 文.2001.2:35-65页。
[87] 程变爱.数字图书馆背景下网络信息资源的描述与组织研究.中科院文献情报中心硕士研究生学位论文.2001.1:21-44页。
[88] 徐建锁,王正欧,王莉.一种基于自组织神经网络的中文文本聚类新方法.情报学报.2003(6):676-680页。
[89] 王建会,申展,胡运发.一种实用高效的聚类算法.软件学报.2004(5):697-705页。
[90] 杨建林.一种使用自动聚类思想的自动文摘方法.情报学报.2001(5):532-536页。
[91] 谢毓湘,吴玲达,老松杨.一种有效的支持海量图像数据库QBE查询的聚类索引算法.小型微型计算机系统.2001(10):1229-1232页。
[92] 宾锋.信息检索的新方法——检索结果自动聚类.情报杂志.2002(11):31-32页。
[93] 石冰,郑燕峰.信息检索中的数据挖掘技术.情报学报.1999(2):103-106页。
[94] 王熙照,王亚东,湛燕.学习特征权值对K-均值聚类算法的优化.计算机研究与发展.2003(6):869-873页。
[95] 陈福集,杨善林.一种基于SOM的中文Web文档层次聚类方法.情报学报.2002(2):173-176页。
[96] 曾玉.信息检索的模糊聚类分析模型.情报学报.2004(4):433-436页。
[97] 季莹,黄茂琳,曹伟.我国数字图书馆的发展前景及对策研究.情报科学.2001(5):474-476页。
[98] 傅兰生.我国科技信息资源建设若干战略问题的思考.情报学报.1996(5):372-377页。
[99] 卜东波,白硕,李国杰.文本聚类中权重计算的对偶性策略.软件学报.2002(11):2083-2089页。
[100] 姜宁,史忠植.文本聚类中的贝叶斯后验模型选择方法.计算机研究与发展.2002(5):580-587页。
[101] 王实,高文,李锦涛.路径聚类在Web站点中的知识发现.计算机研究与发展.200l(4):482-486页。
[102] 于捷,刘绍洋.面向知识管理的高校数字图书馆建设.情报科学.2004(3):311-314页。
[103] 李侃,刘玉树.模糊核聚类的自适应算法.控制与决策.2004(5):595- 597页。
[104] 张琪玉.情报检索语言中聚类的原理和方法.北京图书馆馆刊.1997(1):18-25页。
[105] 周琴,张茵,苏婉莹.Dublin Core与网络标记语言的契合机理.情报杂志.2003(8):43-45页。
[106] 盛昌银.都柏林核心元数据——网络信息资源组织的新标准.现代图书情报技术.2003(1):44-47页。
[107] 刘延,张凌.元数据DC与MARC的互换.中华医学图书情报杂志.2003(7):52-55页。
[108] 朱红涛.元数据、Dublin Core和MARC分析研究.情报杂志.2004(1):85-87页。
[109] 梁焕平.MARC与Dublin Core两种元数据的比较研究.情报杂志.2004(4):110-112页。
[110] 章旭,钱龙华.一个基于dublin Core元数据的超文本查询引擎.苏州大学学报(自然科学版).2004(4):30-34页。
[111] 张爱优.21世纪图书馆编目标准——dublin Core与MARC并存.津图学刊.2002(1):44-46页。
[112] 陈晰明.Dublin Core元数据浅析.晋图学刊.2002(9):41-22页。
[113] 黄星亮.都柏林核心元数据及其在我国数字图书馆建设中的应用.津图学刊.2002(3):17-20页。
[114] 何新贵.模糊推理网络和计算推理.软件学报.1996(10):282-287页。
[115] 曾建平.元数据、都柏林核心集与网络资源编目.韶关学院学报(自然科学版).2002(3):55-59页。
[116] 桑良至.元数据的新发展.情报科学.2003(3):283-285页。
[117] 王鑫鑫.CNMARC与Dublin Core的转换研究.情报科学.2003(12):1283-1285页。
[118] 赵慧勤.网络信息资源组织——Dublin Core元数据.情报科学.2001(4):439-442页。
[119] 粟慧.元数据、HTML和都柏林核心集——关于WEB网页的编目.情报科学.2001(12):1272-1275页。
[120] 刘俊熙,叶元芳.传统文献编目·元数据·都柏林核心集理论探讨.现代图书情报技术.2001(1):9-13页。
[121] 李弋.媒体资产管理中基于Dublin Core的元数据方案.广播与电视技 术.2002(11):56-60页。
[122] 赵光林.MARC与Dublin Corn之比较研究.情报学报.2002(1):83-89页。
[123] 刘颖,李静霞.网络信息组织与发现的有力工具——Dublin Core.图书馆建设.2002(1):33-35页。
[124] 张爱优.Dubl in Core21世纪图书馆编目标准.2002(1):35-41页。
[125] 孙冰,乔克满.网络环境下图书馆MARC元数据与Dublin Core元数据 之比较.巢湖学院学报.2002(4):116-119页。
[126] 庄育飞.都柏林核心集及其价值初探.图书情报工作.1999(7):253-258页。
[127] 周宁,林蓉,严亚兰.都柏林核心元数据研究的新进展.情报科学.2000(6):568-571页。
[128] 刘英梅,刘赛红.都柏林核心元数据及其应用.情报科学.2000(6):576-580页。
[129] 王新.都柏林核心集综述.情报理论与实践.2000(5):389-391页。
[130] 庄育飞,郑卫.Dublin Core网络资源组织与整理的新思路.情报学报.2000(2):164-169页。
[131] 林蓉,周宁,严亚兰.一种基于事件的都柏林核心(DC)数据模型.情报学报.2000(3):265-270页。
[132] 林雅萍.数字语文献著录方式的新视角——关于Dublin Core和Metadat格式研究综述.湖北教育学院学报.2000(1):99-103页。
[133] 纪录恩,庄雷波.略论元数据Dublin Core与MARC的关系.情报探索.2000(12):19-21页。
[134] 许四洋,柳晓春.Dublin Core元素与CNM ARC字段的匹配对应.大学图书馆学报.2001(5):38-41页。
[135] 金咏梅.试论数字图书馆的信息资源管理策略.图书情报知识.2003(6):33-35页。
[136] 王建远.数字图书馆的建设与组织管理.北京联合大学学报.2000(4):83-87页。
[137] 赵继海,史国祥.字图书馆的用户管理与服务.情报学报.2001(2):224-231页。
[138] 刘成山,赵捧未,窦永香.数字图书馆及其实现技术.情报科学.2002(12):1319-1322页。
[139] 马秀华,肖军,金哲勇.数字图书馆建设中的问题及对策.农业图书情报学刊.2003(3):13-16页。
[140] 黄敏.数字图书馆信息服务机制研究.情报科学.2003(8):862-864页。
[141] 吴传炉,李业龙.数字图书馆信息资源建设探讨.现代图书情报技术.2000(6):21-24页。
[142] 汤莉华.数字图书馆信息资源建设之思考.国家图书馆学刊.2003(2):76-80页。
[143] 何月顺,杜萍,丁秋林.数字图书馆中查询结果的自动分类算法的设计.计算机工程与应用.2003(32):133-134页。
[144] 韩惠琴,刘柏嵩.数字图书馆中的知识发现.情报学报.2001(3):323-330页。
[145] 刘平兰.数字图书馆中基于关系图的篇章分析方法研究.情报杂志.2003(12):88-90页。
[146] 成奋华,吴家强.数字图书馆中基于向量空间模型的文档分类系统.情报杂志.2004(7):9-11页。
[147] 杜安平.网络分类体系基本原理研究.图书馆学研究.2002(4):60-62页。
[148] 金燕,张玉峰.网络数据挖掘及其在面向Web的知识检索中的应用.现代图书情报技术.2003(6):55-57页。
[149] 黄建年.网络信息分类浅议.情报学报.1999(6):514-518页。
[150] 高文,刘峰.数字图书馆——原理与技术实现.北京:清华大学出版社.2000:35-98页。
[151] 张智雄.XML:引导下一次Web革命的标识语言.现代图书情报技术.1999(增刊):77-80页。
[152] 方曙.SGML与网络文献资源建设.现代图书情报技术.1999(增刊):114-119页。
[153] 王实.基于WEB访问信息挖掘的推荐方法研究.中科院计算机所博士论文.2001(9):33-58页。
[154] 林尧瑞等著.专家系统原理与实践.北京:清华大学出版社.1987:18-93页。
[155] 杨学山著.专家系统及在管理中的应用.北京:清华大学出版社.1991:31-85页。
[156] 吴斌,傅伟鹏,郑毅等.一种基于群体智能的Web文档聚类算法.计算机 研究与发展.2002(11):1429-1435页。
[157] Zadeh, L. A. Fuzzy logic and its application to approach to qualitative algebraic reasoning. Proc. AAAI. 1988: 264-269P.
[158] Tan, S. K.; Wang, P. Z., A characterization of optimal fuzzy sets in fuzzy optimization. Intelligent and Fuzzy system, 1994, 1 (1): 313-318 P.
[159] McCulloch, W. S.; Pitts, W. H., A logical calculus of the ideas immanent in neuron activity. Bulletin Mathematical Biophysics, 1943, 5: 115-133 P.
[160] Rosenblatt, F. Two theorems of statistical separability in the perceptron. Mechanization of Thought Processes, Proceedings of a symposium held at the National Physical Laboratory, 1958, 1: 421-456 P.
[161] Widrow, B., Generalization and information storage in networks of adline 'neurons', Self-organizing systems, Yovitz M., G. Jacobi, Goldstein G., Washington, DC: Spartan Books, 1962, 435-461 P.
[162] Amari, S., et al, Mathematical theory on formation of category detecting nerve cells. Biol. Cyber, 1978, 29: 127-136 P.
[163] Grossberg, S., Adaptive pattern classification and universal recoding, I: Parallel development and coding of neural feature detectors. Biolog. Cybernetics, 1976, 23: 121-134 P.
[164] Grossberg, S., Adaptive pattern classification and universal recoding, Ⅱ: Feedback, expectation, olfaction, and illusion. Biolog. Cybernetics, 1976, 23: 187-202 P.
[165] Anderson, J. A., A simple neural network generating interactive memory. Mathematical Biosciences, 1972, 14: 197-200 P.
[166] Fukushima, K., Cognitron: a self-organizing multilayered neural network. Biol. Cyber. 1975, 20(3): 121-136 P.
[167] Hopfield, J. J., Neural networks and physical systems with emergent collective computational abilities. Proc. Of the National Academy of Science, U. S. A. 1983, 79: 2554-2558 P.
[168] Hopfield, J. J., Neural with graded response have collective computational properties like those of two-state neurons. Proc. Of the Natioal Academy of Science, U. S. A. 1984, 81: 3088-3092 P.
[169] Hopfield, J. J., Tank D. W., Neural Computation of decisions optimization problems. Biol. Cyber. 1985, 52: 141-152 P.
[170] Hinton, G. H.; Sejnowskii, T. J.; Ackley, D. H., Boltzmann machine: constraint satisfaction networks that learn, CMU-CS-84-119, Camegie-Millon Uni., 1984 P.
[171] Ackley, D. H.; Hinton, G. H.; Sejnowskii, T. J., Learning algorithm for Boltzmann machines. Cognitive Science, 1985, 9: 147-169 P.
[172] Kosko, B., Adaptive biderectional associative memories. Applied Optics, 1987, 26(23): 4947-4960 P.
[173] Kosko, B., Bidirectional associative memories, IEEE Trans. SMC, 1988, 18: 49-60 P.
[174] Kosko, B., Constructing an associative memory. BYTE, 1987, 137-144 P.
[175] Kosko, B., Optical bidirectional associative memories, Proc. SPIE Inst. Soc. Opt. Eng., 1987, 75: 8-11 P.
[176] Hecht-Nielsen R., Theory of the backpropation neural network, Proc. IJCNN89,1989, 1: 593-599 P.
[177] Hornik, K.; Stinchcombe, M.; White, H., Multilayer feedforword networks are universal approximators. Neural Networks, 1989, 2: 359-366 P.
[178] Funahashi, K. On the approximate realization of continuous mappings by neural networks. Neural Networks, 1989, 2: 183-192 P.
[179] Cybenko, G., Approximation by superposition of a sigmoidal function. Mathematics of Control, Signals and Systems, 1989, 2: 303-314 P.
[180] Mirchandani, G.; Cao, W., On hidden nodes for neural nets. TEEE Trans. Circ. Syst., 1989, 36(5): 661-664 P.
[181] Shah, J. V.; Poon, Chi-Sang, Linear independence of intemal representations in multilayer perceptrons. IEEE Trans. on Neural Networks, 1999, 10(1): 10-18 P.
[182] Sontag, E. D., Shattering all sets of k points in general position requires (k-1)/2 parameters. Neural Computation, 1997, 9(2): 337-348 P.
[183] Webb, A. R.; Lowe D., The optimized internal representation of multilayer classifier networks performs nonlinear discriminate analysis. Neural Networks, 1990, 3: 367-375 P.
[184] 张立明.分类网络的泛化问题研究.1997年中国神经计算科学大会论文集.北京:人民邮电出版社.1997:36-39页。
[185] Lee, S. C., Lee, E. T., Fuzzy sets and neural networks. Journal of Cybernetics, 1974, 4: 83-103 P.
[186] Takagi, T.; Hayashi, I., Artificial-neural-network-driven fuzzy reasoning. Int. Workshop on Fuzzy System Applications, 1988, 217-218 P.
[187] Sugeno, M., An introductory survey of fuzzy control. Information Science, 1985, 1: 59-83 P.
[188] Hayashi, I.; Nomura, H.; Wakami, N., Artificial-neural-networks-driven fuzzy control and its application to the learning of inverted pendulum system. Proceedings of 3rd IFSA Congress, 1989, 610-613 P.
[189] Hayashi, Y., Buckley, J. J.; Czogala, E., Systems engineering applications for fuzzy neural networks. J. Systems Engineering. 1992, 2: 232-236 P.
[190] Hayashi, Y.; Buckley, J. J.; Czogala, E., Direct fuzzifieation of neural network and fuzzified delta rule. Proc. 2nd Int. Conf. On Fuzzy Logic and Neural Networks, Iizuka, Japan, 1992, 73-76 P.
[191] Hayashi, Y.; Buckley, J. J.; Czogala, E., Fuzzy neural network with fuzzy signals and weights. Proc. Intemat. J. Conf. Neural Networks, Baltimore, 1992, 2: 696-701 P.
[192] Hayashi, Y.; Buckley, J. J.; Czogala, E., Fuzzy neural network with fuzzy signals and weights. Int. J. Intelligent Systems, 1993, 8: 527-537 P.
[193] Hayashi, Y.; Buckley, J. J.; Czogala, E., Systems engineering applications for fuzzy neural networks, Proc. Internat. J. Conf. Neural Networks, Baltimore, 1992, 2: 412-418 P.
[194] Asim, R.; Raymond, M., Fuzzy logic, neural networks, and brain-like learning. Proceedings of the 1997 IEEE International Conference on Neural Networks. Part 1 (of 4) 1997, 1: 9-12 P.
[195] Kosko, B., Fuzzy cognitive maps. International Journal of Man Machine Studies, 24: 65-75 P.
[196] Hsu L. S., Chan S. C., Loc, Fuzzy logic in connectionist's expert systems. Proceedings of International Joint Conference on Neural Networks, IJCNN-90-WASH-DC, 1990, 2: 599-602 P.
[197] 李晓忠,汪培庄,罗承忠.模糊神经网络.南宁:贵州科技出版社.1994:25-85页。
[198] Romaniuk, S. G.; Hall, L. O., Fuzzy net, towards a fuzzy connectionist expert system development tool. Proc. of IJCNN-90-WASH-DC, 1990, 2: 483-486 P.
[199] Carpenter, G. A.; Milenova, B. L.; Benjamin N. W., Distributed ARTMAP: a neural network for fast distributed supervised learning. Neural Networks, 1998,11(5): 793-813 P.
[200] Carpenter, G., A.; Grossberg, S.; Rosen, D. B., Fuzzy ART: An adaptive resonance algorithm for rapid stable classification of analog patterns (Technical Report CAS/CNS-91-006). IJCNN (Seattle), Piscataway, NJ: IEEE Sevice Center. 11,411-416 P.
[201] Carpenter, G, A.; Grossberg, S.; Rosen, D. B., Fuzzy ART: Fast stable learning and categorization of analog patterns by an adaptive resonance system. Neural Networks, 1991,4:159-771 P.
[202] He Xingui(何新贵), Fuzzy computational logic and its applications. Proc. of international workshop on advanced computers for AI, 1990,112-120 P.
[203] He Xingui(何新贵), Fuzzy computational logic and neural networks. Advancement of Fuzzy Theory and Systems, International Academic Publishers, 1990, D14:1-8 P.
[204] He Xingui(何新贵), Fuzzy computational reasoning and neural networks. Proc. of the second international conference on tools for AI, Herndon VA,1990,706-711 P.
[205] Wong, F. S.; Wang, P. Z., A stock selection strategy using fuzzy neural networks. Neurocomputing, 1990,2: 233-242 P.
[206] Simpson, Patrick K., Fuzzy min-max neural networks-Part 1: Classification. IEEE Trans. On Neural Networks, 1992,3(5):776-786 P.
[207]Eiji, U.,; Takeshi, Y., Neo-fuzzy-neuron based new approach to system. Proceedings of the 6th International Conference on Tools with Artificial Intelligence Nov 6-9 1994, New Orleans, LA,, USA, Sponsored by : IEEE IEEE Piscataway NJ USA p 564-570 P.
[208]Patel, U. D.; Carroll, R. L.; Zhang, G; Lee, J., Self-organizing fuzzy CMAC neural network. Proceedings of the 1995 Artificial Neural Networks in Engineering, ANNIE'95,1995,5: 97-102 P.
[209] Wang, G, Shi, H., TMLNN: triple-valued or multiple-valued logic neural network. IEEE Transactions on Neural Networks, 1998,9(6): 1099-1117 P.
[210]Petridis, V.; Kaburlasos, V.G, Fuzzy lattice neural network (FLNN): a
??hybrid model for learning. IEEE Transactions on Neural Networks, 1998, 9(5): 877-890 P.
[211]Farag, W. A.; Quintana, V. H.; Lambert-Torres G, Genetic-based neuro-fuzzy approach for modeling and control of dynamical systems. IEEE Transactions on Neural Networks, 1998,9(5): 756-767 P.
[212]Blume, M; Esener S. C, Efficient mapping of fuzzy ART onto a neural architecture. Neural Networks, 1997,10(3): 409-411 P.
[213]Abdukhalikov, K. S.; Kim, C; Cho H. S., Fuzzy neurons and fuzzy multilinear mappings. Proceedings of the 1997 IEEE International Conference on Neural Networks. Part 1 (of 4) 1997,1: 543-547 P.
[214]Kosko, B., Fuzzy function approximation. IJCNN'92, Baltimore, 1992, 1: 209-213 P.
[215]Kosko, B., Fuzzy system as universal approximators. IEEE Fuzzy'92, 1992,1153-1162 P.
[216] Wang, L X; Mendel, J. M. Fuzzy basis functions, Universal approximation and orthogonal least-squares learning. IEEE Trans on Neural Networks, 1992, 3(5): 807-814 P.
[217] Wang, L. X., Fuzzy system are universal approximators. IEEE Fuzzy'92, 1992, 1163-1170 P.
[218]Gottwald, S., Approximately solving fuzzy relation equations: some mathematical results and some heuristic proposals. Fuzzy Sets and Systems, 1994,66(2): 175-193 P.
[219] Buckley, J. J., Sugeno type controllers are universal controllers. Fuzzy sets and systems, 1993, 53: 299-303 P.
[220]Buckley, J. J.; Hayashi, Y, Can fuzzy neural nets approximate continuous fuzzy functions? Fuzzy Sets and Systems, 1994,61: 43-51 P.
[221]Buckley, J.J.; Hayashi, Y, Neural nets can be universal approximators for fuzzy functions. Proceedings of the 1997 IEEE International Conference on Neural Networks. Part 4 (of 4) 1997,4: 9-12 P.
[222] Abe, S.; Lan, M. S., Function approximator using fuzzy rules extracted directly from numerical data. Proceedings of 1993 International Joint Conference on Neural Networks . Part 2 (of 3), 1993,2: 25-29 P.
[223]Mitaim, S.; Kosko, B., Adaptive joint fuzzy sets for function approximation.
Proceedings Proceedings of the 1997 IEEE International Conference on Neural Networks. Part 1 (of4), 1997, 1: 537-542 P.
[224] Kim, J.; Kim, H., Characterization of fuzzy subgroups of some Abelian groups. Information Sciences, 1994, 80: 243-252 P.
[225] Dogaru, R.; Murgan, A. T.; Chua, L. O., Do we really need multiplier-based synapses for neuro-fuzzy classifiers? Proceedings of the 1997 IEEE International Conference on Neural Networks. Part 2 (of 4) 1997, 2: 9-12 P.
[226] Buckley, J. J., Solving fuzzy equations. Fuzzy Sets and Systems, 1992, 50: 1-14 P.
[227] Buckley, J. J., Solving systems of fuzzy linear equations. Fuzzy Sets and Systems, 1991, 43: 33-43 P.
[228] Christian, W. O.; Karvel, K. T.; Lee, G. C., Fuzzy finite-state automata can be deterministically encoded into recurrent neural networks. IEEE Trans. On Fuzzy Systems, 1998, 6, 1: 76-89 P.
[229] Ishibuchi, H.; Tanaka, H., Fuzzy regression analysis using neural networks. Fuzzy sets and Systems 1992, 50: 257-265 P.
[230] Bardossy, A.; Bogardi, I.; Duckstein, L., Fuzzy nonlinear regression analysis of dose-response relationships. European J. Oper. Res. 1993, 66: 46-51 P.
[231] 陶卿,姚穗,范劲松等.一种新的机器学习算法.Support Vector Machines.模式识别与人工智能.2000(3):285-290页。
[232] 田盛丰,黄厚宽.支持向量机多专家决策算法.模式识别与人工智能.2000(2):165-169页。
[233] 周长久,模糊系统与神经元网络的融合.计算机科学.1993(5):51-54页。
[234] 焦李成.神经网络系统理论.西安:西安电子科技大学出版社.1996:21-83页。
[235] 黄德双.神经网络模式识别系统理论.北京:电子工业出版社.1996:15-109页。
[236] 张军英,保铮.前向网络隐空间分类超平面的构造.电子学报.1999(1):137-139页。