农业资源属性数据挖掘研究

针对农业资源属性数据挖掘提出了预处理方法,并在此基础上探讨了对应数据挖掘的3个层次(即由原始数据生成新的数据,由数据产生模型,由数据归纳出知识),为农业资源数据处理提供了一种解决途径。     

一种新颖的基于量化概念格的属性归纳算法

为了解决数据挖掘过程中挖掘的知识粒度过粗或过细问题，并利用概念格的偏序特性，提出了一种基于量化概念格的属性归纳算法．首先对概念格的外延进行量化，得到量化概念格，再根据概念格的哈斯图，采用概念的爬升进行相应的泛化，从而获得基于量化概念格的多层、多属性归纳．与面向属性归纳（AOI）算法相比较，结果表明所提算法不仅能实现AOI的单一属性归纳，还能进行多层、多属性的归纳，其属性泛化的路径不是惟一的，并且很容易在量化概念格的哈斯图中寻找合适的泛化路径和阈值，以此得到用户要求的、合理的属性归纳结果．     

面向属性归纳的特征规则挖掘方法的改进

在浩瀚的数据资源中发现并提取有价值的知识是目前数据库、人工智能等学科研究中的共同热点问题．面向属性的归纳是一种广泛使用的特征规则的发掘算法,本文对特征规则挖掘的面向属性归纳方法进行改进,提出了“分类信息库”的概念,给出了基于这种概念的新算法．利用这种算法可以发现很多原方法发现不了的新知识,使特征规则的发现有了更大的实用价值．实例分析表明,该算法能够准确地发现特征规则。     

基于聚类分析的属性数据挖掘技术

数据挖掘作为一门新兴的数据处理技术已受到人们广泛的关注，聚类分析技术是数据挖掘中的一种重要技术，本文介绍一类数值数据的挖掘方法，同时提出一个基于属性划分的聚类分析方法。     

面向属性归纳的特征规则挖掘方法的改进

在浩瀚的数据资源中发现并提取有价值的知识是目前数据库、人工智能等学科研究中的共同热点问题.面向属性的归纳是一种广泛使用的特征规则的发掘算法.本文对特征规则挖掘的面向属性归纳方法进行改进.提出了"分类信息库"的概念.给出了基于这种概念的新算法.利用这种算法可以发现很多原方法发现不了的新知识,使特征规则的发现有了更大的实用价值.实例分析表明,该算法能够准确地发现特征规则.     

基于时序数据的空间面向属性归纳算法

 从空间数据库中将低层属性的数据归纳为高层属性的数据,是地理信息系统中的一项具有重要意义的任务.现实中的数据是经过一定的时间积累而得到的,这使得基于时序数据的空间面向属性归纳更具有现实意义.提出一种算法,将空间上的时序数据表示成曲线,将满足匹配度的曲线拟合为同一条曲线,从而减少了归纳的扫描范围,在此基础上,通过寻找各条曲线的子模式集合得到相关知识,进而得出归纳结果.     

面向属性的RST在数据挖掘中的应用

基于对ＲＳＴ的基本概念的近似空间的形式描述,定义了不确定信息系统,并引入面向对象属性的泛化和约简操作算法,在此基础上,提出了一个面向属性的ＲＳＴ的数据挖掘方法,即基于系统的关系数据库形成差别矩阵,并对差别矩阵放行最佳约简和核操作,给出在逻辑意义下的决策规则,从而完成领域的知识发现。同时给出了在一个医疗诊断系统中应用的实例。     

一个适用于地理信息系统的数据挖掘工具——GISMiner

论文将常用于关系型、事务型数据库的面向属性归纳的方法和关联规则挖掘方法扩展至空间数据库，开发了适用于地理信息系统（GIS）的空间数据挖掘工具－GISMiner，并将其应用于从农田GIS中挖掘农田使用情况的空间特征规则，以及从农产品市场GIS中挖掘农产品价格与铁路、国道和河流间的空间关联规则实验。结果表明，GISMiner是一个实用的、能适应于GIS且能挖掘多种知识类型的数据挖掘工具。     

基于粗糙集的数据挖掘属性约简算法研究

粗糙集理论是一种研究不完整、不确定知识处理的数学工具,属性约简是粗糙集理论的核心内容之一.阐述了粗糙集理论的基本思想,给出了一种启发式的最小约简算法,通过一个实例,分析说明算法的可行性和有效性.     

基于多重多层次关系的分类属性泛化研究

文章针对具有多重多层次的属性泛化问题构建了MRML泛化模型,并应用于分类规则的学习,提出一种基于MRML泛化关系的分类规则泛化学习方法(CG-DK);该方法根据具体发现任务的需求和当前实际数据库的内容,通过误分类率的控制,在挖掘的过程中选择最紧凑的泛化层次和路径对属性进行泛化,以得到符合用户个性化要求的优化的分类规则;实验表明了该方法的有效性.     

探索式数据挖掘模型的讨论

OLAP与数据挖掘工具由于内在技术以及适用范围的不同 ,在决策分析中必须协调使用才能发挥最佳的作用。本文提出基于影响域的OLAM (OLAPMining)模型 ,将数据挖掘和OLAP技术结合在一个统一的框架之中 ,使得数据挖掘能够在数据库或数据仓库的不同部位、或在不同的抽象级别上进行 ,加强了决策分析的功能和灵活性。该模型有助于在大型数据库和数据仓库中交互式地挖掘多层次的知识     

属性内-融合与数据融合挖掘

属性融合是潜藏在 P-集合内的一个重要的应用特性,P-集合的动态特性来自 P-集合的属性融合。利用内 P-集合的结构与动态特性,给出属性内-融合概念、结构和定理,最后给出在属性内-融合条件下的数据融合挖掘和数据融合挖掘准则与数据融合挖掘-筛选的应用。     

数据挖掘库预处理技术在教学中的应用研究

阐述了数据挖掘预处理技术的原理,结合教学实践研究了预处理的各种方法与技术实现,探讨了空缺值、不一致数据的处理,以及属性删除与构造,聚类技术进行归约的方法.     

基于粗集论中属性依赖度的ID3改进算法

决策树算法是一种重要的数据挖掘方法,ID3算法是最具影响的一种决策树生成算法。介绍了粗集理论的相关概念和传统的ID3算法基本原理,提出了一种以粗集论中的属性依赖度为基础的ID3改进算法,克服了传统ID3算法对取值较多属性的依赖,并通过实例验证该算法的高效性和精确性。改进算法对不同领域中分类预测方向上的数据挖掘均具有一定的参考价值。     

Web数据挖掘原理及实现

为了解决Web单个数据仓库不方便对过去的数据进行查询和遍历以及因找不出数据间的联系方式而影响Web传输率的问题，笔者以XML(Extensible Markup Language)为基础，面对Web数据库中半结构化的数据结构进行挖掘，发现数据信息隐藏的规则和知识，实现了Web数据挖掘。Web数据挖掘技术不仅能对Web过去的数据进行查询和遍历，而且能找出数据问的潜在关系，从而大大提高了Web的传输率。     

复杂属性环境下NoSQL分布式大数据挖掘方法研究

由于复杂属性环境下的大数据挖掘工作需要涉及到对大数据的分析、清理、转换和集成等一系列操作,导致以往提出的复杂属性环境下大数据挖掘方法无法同时拥有较强的准确性、稳定性和实用性,故提出复杂属性环境下NoSQL分布式大数据挖掘方法。所提方法利用NoSQL数据库的物理分散逻辑,在复杂属性环境下构建NoS QL数据库,给出挖掘条件,对数据库中大数据的特征、位置、方向和长度属性的关联性进行分布式挖掘,经由挖掘公式给出挖掘结果。利用挖掘聚类公式对大数据的特征、位置、方向和长度属性的关联性挖掘结果进行聚类,获取所提方法的最终挖掘结果。经实验分析可知,所提方法在挖掘工作中具有较强的准确性、稳定性和实用性。     

基于数据挖掘的网络业务流分析方法

为了从业务角度对网络的性能进行评价和优化,提出了一种新的网络业务分析方法——具有时态路径约束的关联规则挖掘分析方法.该方法以网络业务为分析粒度,以与网络业务流相关的时态属性和路径属性为约束条件,对已经积累的反映网络状况的海量历史数据进行挖掘分析.在进行关联规则挖掘时,利用频繁数据项集的性质,通过引入事务标号,在求出候选频繁项集的同时也求出其支持度,避免了为求支持度而进行的扫描数据库运算,极大提高了挖掘的效率和速度.实验结果表明,进行挖掘分析的数据量越大,该方法的性能和效率就越好.     

一种融合蚁群算法和主成份分析的数据挖掘方法

为帮助企业在销售资料数据库中,有效地挖掘出有用的规则,结合蚁群算法与主成分因素分析法,提出一套整合性数据挖掘方法.为了证明该方法的效能,收集了一个大型商场的销售数据,并配合其它数据挖掘软件XpertRule Miner与该方法的挖掘结果进行了分析比较.实验结果显示该方法能有效地挖掘出隐藏在数据库中的知识,进而能提供给决...