基于层次分析法的数据挖掘技术研究与应用.docVIP

基于层次分析法的数据挖掘技术研究与应用 　　摘要：构建数据挖掘算法模型是数据挖掘技术研究的重点和难点。层次分析法是一种定性与定量相结合的多准则决策方法，可以将人的主观判断用数量形式表达和处理。研究和实现基于层次分析法的数据挖掘技术，可进一步拓宽数据挖掘算法模型的类型，对数据挖掘技术的应用具有普遍意义。 　　关键词：数据挖掘；数据挖掘算法；层次分析法；判断矩阵 　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044(2008)34-1542-03 　　The Research and Application of Data Mining Based on AHP 　　FAN Peng-xuan1, CHEN Song1, SUN Jing2 　　(1.School of Information Science and Engineering, Chongqing Jiaotong Univ., Chongqing 400074, China;2.Zhengzhou Electronic Information Vocational Technical College, Zhengzhou 451450, China ) 　　Abstract: Building the data mining algorithms and models is the focus and difficulty of the study in the data mining field. The Analytic Hierarchy Process is a kind of multiple-criterion measures combined quality and quantity to illustrate subjective judgment in quantitative index. Researching and achieving data mining technology that based-on the Analytic Hierarchy Process can further expand the types of Data Mining algorithms and models, and also have a universal meaning to the application of the Data Mining technology. 　　Key words: Data Mining; the Analytic Hierarchy Process; Data Mining Algorithm; Comparison measuring 　　1 引言 　　数据挖掘（Data Mining）即知识发现，是指从大量的、不完全的、有噪声的、模糊的、随机的、实际应用数据库中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识[1]。数据挖掘技术伴随着“如何不被海量信息淹没，而是从中发时发现有用的知识、提高信息利用率？”的问题而快速发展并应用起来。数据挖掘是一门汇集统计学、机器学习、数据库、模式识别、知识获取、专家系统、数据可视化和高性能计算等多种学科的新兴交叉学科，它为自动和智能地把海量的数据转化为有用的信息知识提供了有力的手段。 　　数据挖掘是一个多阶段数据处理过程，一般而言主要包括以下几个步骤[2-3]：1) 确定挖掘目标；2) 建立目标数据集；3) 数据预处理；4) 选择数据挖掘功能；5) 选择适合的数据挖掘算法进行数据挖掘；6) 模式评估。在这个数据处理过程中，如何构建一个适合且有效的数据挖掘算法模型进行有效的数据挖掘是最重要的步骤之一，因此也一直是数据挖掘领域研究的重要和关键问题。 　　本文探讨了一个已经广泛应用于处理社会、政治、经济、技术等结构较为复杂，决策准则较多而且不易量化的决策问题的层次分析方法在数据挖掘技术中的应用，从而提出一个可应用于数据挖掘的技术，层次分析方法。 　　2 层次分析方法的原理与步骤 　　2.1 层次分析法的原理 　　层次分析法[4-5]（Analytic Hierarchy Process简称AHP）是一种定性与定量相结合的方法，它能将决策者对复杂的决策思维过程系统化、模型化、数字化，可解决多目标、多层次、多准则的决策问题。尤其是对于各个评价指标权重因子的确定。其思路主要是：1) 把复杂问题中各种因素通过划分相互联系的有序层次使之条理化；2) 根据对一定客观现实的判断就每一层次的相对重要性给予定量表示；3) 利用数学方法确定表达每一层次的全部元素相对重要性次序的权值；4) 通过排序结果分析、解决问题。 　　2.2