基于多Agent的企業(yè)分布式關(guān)聯(lián)規(guī)則發(fā)現(xiàn)研究.pdf

1、如何從分布式數(shù)據(jù)庫中發(fā)現(xiàn)所需的知識逐漸成為現(xiàn)代企業(yè)迫切需要解決的問題?？紤]到企業(yè)經(jīng)營數(shù)據(jù)的安全性、保密性和一致性特點以及企業(yè)對知識的實時性和準確性要求，分布式知識發(fā)現(xiàn)系統(tǒng)將比數(shù)據(jù)倉庫更適合現(xiàn)代企業(yè)。然而，現(xiàn)存的分布式知識發(fā)現(xiàn)系統(tǒng)還存在一些問題，例如：只考慮本地和全局知識挖掘，忽略了區(qū)域知識在企業(yè)管理中的作用；直接在操作型數(shù)據(jù)上進行OLAP操作，影響OLTP的吞吐率；只給出模型架構(gòu)，未針對具體問題給出相應(yīng)算法。
　　 為解決上述問

2、題，本文以多Agent系統(tǒng)相關(guān)知識為背景，以企業(yè)分布式關(guān)聯(lián)規(guī)則挖掘為研究對象，以提高企業(yè)分布式關(guān)聯(lián)規(guī)則挖掘效率及挖掘知識的全面性為研究目的，主要完成了以下工作：
　　 (1)建立了分布式知識發(fā)現(xiàn)模型，挖掘企業(yè)中的全局知識、各級區(qū)域知識及本地知識。以多Agent技術(shù)為基礎(chǔ)，設(shè)計企業(yè)知識發(fā)現(xiàn)多級模型，除挖掘全局知識及本地知識外，亦可根據(jù)用戶定義，挖掘出區(qū)域知識，供各級管理者快速決策。
　　 (2)針對知識發(fā)現(xiàn)模型，提出了挖掘

3、請求分解方法及子任務(wù)調(diào)度算法，應(yīng)用到管理Agent中以實現(xiàn)對挖掘請求的分解及對子任務(wù)的調(diào)度；
　　 (3)給出了基于FP-tree的最大頻繁項集挖掘算法，并結(jié)合分布式挖掘算法應(yīng)用至知識發(fā)現(xiàn)模型中。
　　 (4)給出了區(qū)域/全局最大頻繁項集挖掘算法，并應(yīng)用到知識聚集Agent中。
　　 最后，本文以合肥鐵路機務(wù)段材料庫記錄為實驗數(shù)據(jù)，利用JADE和Eclipse搭建出多Agent平臺，在局域網(wǎng)內(nèi)實現(xiàn)了原型系統(tǒng)，證明