1107132151_熊义坤_毕业论文讲义.doc

 毕 业 设 计 中文题目 异常数据挖掘系统的设计与实现 英文题目 Design and Implementation of Outlier Data Mining System 院 系： 计算机与信息工程学院 年级专业： 11级软件服务工程 姓 名： 熊义坤 学 号： 1107132151 指导教师： 陈玉明 职 称： 副教授 2015 年 5 月 毕业设计（论文）诚信声明书 本人郑重声明：在毕业设计（论文）工作中严格遵守学校有关规定，恪守学术规范；我所提交的毕业设计（论文）是本人在 ___指导教师的指导下独立研究、撰写的成果，设计（论文）中所引用他人的文字、研究成果，均已在设计（论文）中加以说明；在本人的毕业设计（论文）中未剽窃他人的学术观点、思想和果 本设计（论文）和资料若有不实之处，本人愿承担一切相关责任。 学生签名： 年 月 日 摘 要 随着互联网的日益普及，数据正在以飞快的速度在增长，这些数据中也许会包含着大量有价值的信息，从大量的、不确定的、没有规律的数据对象中挖掘出一些潜在的、未知的、而价值非常大的数据是我们必须考虑的。因此，我们就需要工具或者技巧方法来获取这些有价值的数据，数据挖掘方法和技术已然成为数据研究领域的首要之重。 在本文中，针对一些连续型的数据集，采用计算各个对象的欧氏距离，通过欧氏距离来计算对象的异常值，并按照异常数据值的大小进行排序，并提出基于欧氏距离的异常数据挖掘算法，从而能够的发现那些离群、异常的数据，并且提高挖掘异常数据的准确度。针对一些离散型的数据集，划分等价类，利用粗糙集的理论知识，通过对象的信息熵来定义对象的异常值，提出基于信息熵的异常数据挖掘算法，计算每个对象的异常值，挖掘出异常数据对象。分析每个算法的时间复杂度，通过理论分析和实验实现异常数据挖掘系统。 关键词：数据挖掘； 信息熵； 粗糙集； 欧氏距离 ABSTRACT With the increasing popularity of the Internet, data is growing at a rapid rate of growth, these data maybe include a large number of valuable information, we first primary consider that how to dig out some of the potential ,hidden and unkown, while the value of very large from a large, randomized, no regular data. Therefore, we need tools or techniques method to obtain these valuable data, data mining methods and techniques have become a top priority for research in the field of data. In this paper, for a series of continuous data collection, by computing the Euclidean distance for each object, and then by Euclidean distance to calculate the outlier values of objects, and according to the size of the data outlier values, and put forward the outlier data mining algorithm based on Euclidean distance , it can find those outliers, abnormal in the data, and improve the accuracy degree of outlier data mining. For some discrete data sets, dividing equivalence class, using rough set theory knowledge by information entropy to define the object of outliers, and put forward the outlier data mining algorithm based on info