數(shù)據(jù)挖掘技術(shù)及其應(yīng)用

1、據(jù)挖掘技術(shù)及其應(yīng)用 數(shù)據(jù)是知識(shí)的源泉。但是,擁有大量的數(shù)據(jù)與擁有許多有用的知識(shí)完全是兩 回事。過(guò)去幾年中,從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)知識(shí)這一領(lǐng)域發(fā)展的很快。廣闊的市場(chǎng)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(kù)技術(shù)使我們很容 易存儲(chǔ)大量的數(shù)據(jù)流,但現(xiàn)在還沒(méi)有一種成熟的技術(shù)幫助我們分析、理解并使數(shù) 師 得知識(shí)的可信度就應(yīng)該打個(gè) 目前,傳統(tǒng)的知識(shí)獲取技術(shù)面對(duì)巨型數(shù)據(jù)倉(cāng)庫(kù)無(wú)能為力,數(shù)據(jù)挖掘技術(shù)就應(yīng) 前所擁有的數(shù)據(jù)分析工具很難對(duì)數(shù)據(jù)進(jìn)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(duì)數(shù)據(jù)包含信息的更高 掘受到越來(lái)越多 ,它代表從低層次數(shù)據(jù)中提取高層次知識(shí)的全過(guò)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(bǔ)足不夠的 部分;用恰當(dāng)?shù)慕稻S、變換使數(shù)據(jù)挖掘過(guò)程與數(shù)據(jù)模型相適合或相匹配;辨別所得 掘是知識(shí)獲取的一部分 (1)統(tǒng)計(jì)學(xué) 。于是許多工作是著眼于線性模型、遞 (2)模式識(shí)別在模式識(shí)別工作中,傳統(tǒng)上是把注意力集中在符號(hào)形式化直接結(jié)合實(shí)際技術(shù) 于分類(lèi)技術(shù)和數(shù)據(jù)的聚類(lèi)技術(shù)上。模式識(shí) 術(shù)把數(shù)據(jù)從一個(gè)向量空間映射到另外一個(gè)向 (3)人工智能 過(guò)大量搜索表達(dá)式和選擇變量上有很大作用。另外,機(jī)器學(xué)習(xí)對(duì)于發(fā) 葉斯模型推理是 , (4)數(shù)據(jù)庫(kù) 的統(tǒng)計(jì)和計(jì)數(shù),則要對(duì)各個(gè)特征屬性進(jìn)行組合形成新的數(shù)據(jù)庫(kù)。其中,對(duì)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(kù)定向技術(shù)更加易于尋求

3、數(shù)據(jù)庫(kù)中隱含的模 , 、 數(shù)據(jù)庫(kù)、文本數(shù)據(jù)源、多媒體數(shù)據(jù)庫(kù)、異 (一)天文數(shù)據(jù)分析中的數(shù)據(jù)挖掘常著名的應(yīng)用系統(tǒng):SKICAT外 3。它是美國(guó) 加州理工學(xué)院(CIT)與天文科學(xué)家合作開(kāi)發(fā)的用于幫助天文學(xué)家發(fā)現(xiàn)遙遠(yuǎn)的類(lèi)星 能技術(shù)在天文學(xué)和空間科學(xué)上第一批成功應(yīng)用之一。利用 SKICAT,天文學(xué)家已 大 SKICAT 不僅提供對(duì)數(shù)據(jù)庫(kù)的管理,并且通過(guò)訓(xùn)練可以對(duì)天體進(jìn)行辨識(shí)。它 計(jì),共有三個(gè)主要功能模塊:分類(lèi)建立、分類(lèi)管理及統(tǒng)計(jì)分析。其 立對(duì)天體的辨識(shí)機(jī)制。對(duì)天體的辨識(shí)是進(jìn)行 SKICAT 由學(xué)習(xí)算法完成,從而可以實(shí)現(xiàn)對(duì)大批量數(shù)據(jù)的分析,另一方面是辨識(shí)那些 天體圖像的特征進(jìn)行定義,對(duì)那些亮度較低的圖像

4、可以得到比人工分類(lèi)更好的結(jié) Bayesian 很難 有一個(gè)合理的方法,從大量雜亂無(wú)序的數(shù)據(jù)中將它們找 系列有效的方法來(lái)尋找隱藏于大規(guī)模 (1)簡(jiǎn)化 Bayesian 網(wǎng)的結(jié)構(gòu); (2)根據(jù)所挖掘出的函數(shù)依賴的置信度,可 運(yùn)用分類(lèi)的方法來(lái)進(jìn)行數(shù)據(jù)挖掘。其步驟:將原始數(shù)據(jù)庫(kù)中的數(shù)據(jù)按 屬性值進(jìn)行一次性分類(lèi);將函數(shù)依賴規(guī)則的等價(jià)形式用分類(lèi)表示出來(lái);計(jì)算每 為減少搜索的算法復(fù)雜度,提供幾種裁減算法進(jìn)行計(jì)算時(shí)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(píng)分。根據(jù)這些變量進(jìn)行調(diào) 對(duì) 。 值分類(lèi),每個(gè) A 屬性狀態(tài)為一等價(jià)類(lèi)。例如, A 為“樹(shù)冠形狀”,則可以分為“圓 “中”、“差”。

5、“樹(shù)冠形狀”中“圓形”等價(jià)類(lèi)中“綠化效果”為“好”的等 (一)數(shù)據(jù)挖掘所獲取目標(biāo)知識(shí)分類(lèi) 給事先選定的一組顧客樣本,然后就可得到有良好反應(yīng)的大概的規(guī)律。這種大概 人。各個(gè)有關(guān)因素可按一定順序排列,從而據(jù)此挑選出最恰當(dāng)?shù)念櫩腿后w,也是銷(xiāo) 聯(lián)系的問(wèn)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(kù)中相關(guān)數(shù)據(jù)特征屬性值的集合。例 進(jìn)行處理,可得到如下規(guī)則:當(dāng) AT&T 公司股票價(jià)格在兩個(gè)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(shí)際應(yīng)用的目的。我們經(jīng)常只對(duì)支持率達(dá)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(shí)間序列問(wèn)題中的實(shí)體集 O 包含時(shí)間因素(可能有不同的細(xì)化程度,例如天, i. 如果一個(gè)電子商務(wù)網(wǎng)站平均每個(gè)小時(shí)賣(mài)出五件物品，那么它一個(gè)月 b) 豐富的記錄信息c) 干凈的數(shù)據(jù)i. 從電子商務(wù)站點(diǎn)收集的都是電子數(shù)據(jù)，無(wú)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(wù)中，很多知識(shí)發(fā)現(xiàn)都可以進(jìn)行直接應(yīng)用e) 投資收益容易衡量Web 入的分析提供了可能 技術(shù)數(shù)據(jù)資料之豐富,現(xiàn)在在論文中提到的相關(guān)領(lǐng)域已有了一些數(shù)據(jù)挖掘技術(shù)的 不再一一列舉。作為一個(gè)新興的研究領(lǐng)域,數(shù)據(jù)挖掘仍然有許多問(wèn) 題需要進(jìn)行深入研究。例如:從同一個(gè)數(shù)據(jù)庫(kù)的不同層次上提取相應(yīng)的規(guī)則;確定 一種方便、實(shí)用、統(tǒng)一的語(yǔ)言表達(dá)數(shù)據(jù)挖掘的結(jié)果;應(yīng)用數(shù)據(jù)挖掘技