数据挖掘研究在信息化中的应用研究论文报告.docVIP

数据挖掘研究在信息化中的应用研究摘要：本文系统论述和总结了数据挖掘和空间数据挖掘的概念、技术方法和研究现状。详细介绍了目前主流的数据挖掘厂商及解决方案文章最后简要分析了数据挖掘技术在国土资源行业中的研究现状，并对如何利用这些新技术为国土资源业务管理与决策支持提供帮助进行了初步探讨。 ??? 关键词：数据挖掘 空间数据挖掘 国土资源 1 数据挖掘的概念、技术方法和研究现状 1.1数据挖掘的概念 ??? 随着数据仓库技术的迅速发展以及数据库管理系统的广泛应用，人们积累的数据越来越多。人们迫切地感到需要新的技术和工具以便从大量数据中智能地、自动地抽取出有价值的知识或信息。数据库知识发现（Knowledg。Discovery in Databases,KDD，或者称数据挖掘，Data Mining,DM）于是应运而生。 ??? 1989年8月在美国底特律召开的第11届国际人工智能联合会议的专题讨论会上首次出现KDD这个术语。数据挖掘使数据库技术进入了一个更高级的阶段，它不仅能对过去的数据进行查询和遍历，并且能够找出过去数据之间的潜在联系，从而促进信息的传递。数据挖掘是数据仓库系统中最重要的部分。数据挖掘，就是从大型数据库的数据中提取人们感兴趣的知识。这些知识是隐含的，事先未知的有用信息，提取的知识可表示为概念（Concepts)，规律（Regulations)，模式（Patterns）等形式。事实上，更广泛一点说，数据挖掘就是在一些事实或观察数据的集合中寻找模式的决策支持过程。数据挖掘是一个多学科的交叉领域，它涉及到数据库技术、人工智能、机器学习、神经网络、统计学、模式识别、知识库系统、信息检索、高性能计算和数据可视化等学科。 1.2数据挖掘的技术和分析方法 ??? 数据挖掘的核心模块技术历经了数十年的发展，主要涉及到数据库、人工智能、决策树、统计分析等多种技术，这些技术多数已被集成到大型数据仓库和OLAP系统中。常用数据挖掘技术，见表1。 ??? 数据挖掘利用的技术越多，得出的结果精确性就越高。数据挖掘方法有多种，其中比较典型的有关联分析、序列模式分析、分类分析、聚类分析等，具体如表2所示。 1.3数据挖掘研究现状 ??? 目前，数据挖掘己从高速运行的初级阶段进人了方兴未艾的中级阶段。初级阶段已完成了理论草创、模型框架、学术领域的组织落实等工作；中级阶段，在理论上完成模型补遗、算法优化，理论完善，撰写著作、教科书。 ??? 近年来，对关系数据库中的数据挖掘和知识发现研究己经取得了不少进展，其中代表性的工作有：用面向属性的归纳方法在关系数据库中发现特征规则和区分规则。在事务数据库中发现关联规则。基于距离的和基于密度的聚类分析的优化等。为了处理数据库中的不确定性问题，Rouhg集和模糊集理论得到了广泛的研究与应用。另外，决策树、神经网络、遗传算法、可视化等方法也在机器学习与知识发现中得到了研究与应用。在数据挖掘与知识发现领域，最有影响的发现算法有IMB的Agrwaal的关联算法Apriori、加拿大J.Han教授的概念树提升算法、澳大利亚的教授的分类算法以4.5/C5.0、zhang等的BIRCH聚类算法、密西根州立大学EriCk Goomdan的遗传算法等。在挖掘工具方面的产品也比较成熟。如基于规则和决策树的工具典型产品有Angoss Software开发的Knowledgeseeker。聚类，规则归纳，发现多种因果关系，图形方式显示决策树，支持多种数据库。在基于人工神经网络的工具典型产品为Advaneed Software Application的DBProfile。windows环境，适于市场分析，自然聚类、分段、统计模型和可视化技术。 ??? 在国内，对数据挖掘的研究稍晚，还没有形成整体力量，大多数相关成果停留在实验阶段，目前尚未见商品化软件。李德仁院士领导的课题组对发现状态空间理论和云模型在MDKD中的应用进行了系统的研究；北京系统工程研究所对模糊方法在知识发现中的应用进行了较深人的研究；华中科技大学、复旦大学、浙江大学、中国科技大学、中科院数学研究所、吉林大学等单位开展了对关联规则发掘算法的优化和改造。 2 空间数据挖掘的概念和研究现状 2.1空间数据挖掘的概念 ??? 空间数据库（数据仓库）中的空间数据除了其显式信息外，还具有丰富的隐含信息，如数字高程模型(D EM或TIN）除了载荷高程信息外，还隐含了地质岩性与构造方面的信息。这些隐含的信息只有通过数据挖掘才能显示出来。空间数据挖掘（Spatial Data Min-ing,SDM)，或称从空间数据库中发现知识（Knowledge Discovery from spatial Databases,KDSD)，是指从空间数据库中提取用户感兴趣的空间模式与特征、空间与非空间数