數(shù)據(jù)挖掘技術及其應用

1、據(jù)挖掘技術及其應用 數(shù)據(jù)是知識的源泉。但是,擁有大量的數(shù)據(jù)與擁有許多有用的知識完全是兩 回事。過去幾年中,從數(shù)據(jù)庫中發(fā)現(xiàn)知識這一領域發(fā)展的很快。廣闊的市場和研 數(shù)據(jù)本身并不意味信息。盡管現(xiàn)代的數(shù)據(jù)庫技術使我們很容 易存儲大量的數(shù)據(jù)流,但現(xiàn)在還沒有一種成熟的技術幫助我們分析、理解并使數(shù) 師 得知識的可信度就應該打個 目前,傳統(tǒng)的知識獲取技術面對巨型數(shù)據(jù)倉庫無能為力,數(shù)據(jù)挖掘技術就應 前所擁有的數(shù)據(jù)分析工具很難對數(shù)據(jù)進行深層次的處理 ,使得人們只能望“數(shù)” 模式,這些模式反映了數(shù)據(jù)的內(nèi)在特性,是對數(shù)據(jù)包含信息的更高 掘受到越來越多 ,它代表從低層次數(shù)據(jù)中提取高層次知識的全過程,包括數(shù)據(jù)信息的收 挑

2、選合適的樣本策略;剔除數(shù)據(jù)中不正常的數(shù)據(jù)并補足不夠的 部分;用恰當?shù)慕稻S、變換使數(shù)據(jù)挖掘過程與數(shù)據(jù)模型相適合或相匹配;辨別所得 掘是知識獲取的一部分 (1)統(tǒng)計學 。于是許多工作是著眼于線性模型、遞 (2)模式識別在模式識別工作中,傳統(tǒng)上是把注意力集中在符號形式化直接結合實際技術 于分類技術和數(shù)據(jù)的聚類技術上。模式識 術把數(shù)據(jù)從一個向量空間映射到另外一個向 (3)人工智能 過大量搜索表達式和選擇變量上有很大作用。另外,機器學習對于發(fā) 葉斯模型推理是 , (4)數(shù)據(jù)庫 的統(tǒng)計和計數(shù),則要對各個特征屬性進行組合形成新的數(shù)據(jù)庫。其中,對于數(shù)據(jù)挖 題的求解和優(yōu)化,利用新出現(xiàn)的數(shù)據(jù)庫定向技術更加易于尋求

3、數(shù)據(jù)庫中隱含的模 , 、 數(shù)據(jù)庫、文本數(shù)據(jù)源、多媒體數(shù)據(jù)庫、異 (一)天文數(shù)據(jù)分析中的數(shù)據(jù)挖掘常著名的應用系統(tǒng):SKICAT外 3。它是美國 加州理工學院(CIT)與天文科學家合作開發(fā)的用于幫助天文學家發(fā)現(xiàn)遙遠的類星 能技術在天文學和空間科學上第一批成功應用之一。利用 SKICAT,天文學家已 大 SKICAT 不僅提供對數(shù)據(jù)庫的管理,并且通過訓練可以對天體進行辨識。它 計,共有三個主要功能模塊:分類建立、分類管理及統(tǒng)計分析。其 立對天體的辨識機制。對天體的辨識是進行 SKICAT 由學習算法完成,從而可以實現(xiàn)對大批量數(shù)據(jù)的分析,另一方面是辨識那些 天體圖像的特征進行定義,對那些亮度較低的圖像

4、可以得到比人工分類更好的結 Bayesian 很難 有一個合理的方法,從大量雜亂無序的數(shù)據(jù)中將它們找 系列有效的方法來尋找隱藏于大規(guī)模 (1)簡化 Bayesian 網(wǎng)的結構; (2)根據(jù)所挖掘出的函數(shù)依賴的置信度,可 運用分類的方法來進行數(shù)據(jù)挖掘。其步驟:將原始數(shù)據(jù)庫中的數(shù)據(jù)按 屬性值進行一次性分類;將函數(shù)依賴規(guī)則的等價形式用分類表示出來;計算每 為減少搜索的算法復雜度,提供幾種裁減算法進行計算時的精化;獲得滿足置 的變量為:綠化效果、抗逆性、成本、土壤要求、總評分。根據(jù)這些變量進行調(diào) 對 。 值分類,每個 A 屬性狀態(tài)為一等價類。例如, A 為“樹冠形狀”,則可以分為“圓 “中”、“差”。

5、“樹冠形狀”中“圓形”等價類中“綠化效果”為“好”的等 (一)數(shù)據(jù)挖掘所獲取目標知識分類 給事先選定的一組顧客樣本,然后就可得到有良好反應的大概的規(guī)律。這種大概 人。各個有關因素可按一定順序排列,從而據(jù)此挑選出最恰當?shù)念櫩腿后w,也是銷 聯(lián)系的問題就是得到如下形式的規(guī)則 :“A1Am B1Bn”,其中 Ai(i1,m)與 Bj(j1,n)均為在數(shù)據(jù)庫中相關數(shù)據(jù)特征屬性值的集合。例 進行處理,可得到如下規(guī)則:當 AT&T 公司股票價格在兩個連續(xù)交易日中上漲,而 (二)數(shù)據(jù)挖掘的統(tǒng)一框架 。我們通常以形式 F(o) G(o)表 出于實際應用的目的。我們經(jīng)常只對支持率達到 O 屬性,有一方法返回記錄的

6、屬性值,另有一方法返回記錄的 O置信度和支持率 時間序列問題中的實體集 O 包含時間因素(可能有不同的細化程度,例如天, i. 如果一個電子商務網(wǎng)站平均每個小時賣出五件物品，那么它一個月 b) 豐富的記錄信息c) 干凈的數(shù)據(jù)i. 從電子商務站點收集的都是電子數(shù)據(jù)，無需人工輸入或者是從歷史 d) 研究成果容易轉(zhuǎn)化i. 在電子商務中，很多知識發(fā)現(xiàn)都可以進行直接應用e) 投資收益容易衡量Web 入的分析提供了可能 技術數(shù)據(jù)資料之豐富,現(xiàn)在在論文中提到的相關領域已有了一些數(shù)據(jù)挖掘技術的 不再一一列舉。作為一個新興的研究領域,數(shù)據(jù)挖掘仍然有許多問 題需要進行深入研究。例如:從同一個數(shù)據(jù)庫的不同層次上提取相應的規(guī)則;確定 一種方便、實用、統(tǒng)一的語言表達數(shù)據(jù)挖掘的結果;應用數(shù)據(jù)挖掘技