数据挖掘在数据库决策系统中的实现.pdfVIP

第 25 卷 第 5 期 鞍 山 钢 铁 学 院 学 报 Vol. 25 No. 5 2002 年 10 月 Journal of Anshan Institute of I. S. Technology Oct. ,2002 数据挖掘在数据库决策系统中的实现 代　红 (鞍山科技大学 计算机与工程学院 ,辽宁 鞍山　114044) 摘　要 :分析了数据挖掘的工作流程 ,利用数据挖掘从大规模数据库中寻找各变量之间函数依赖近似的强 关联和确定条件概率 ,并将该方法应用于数据库决策系统中. 关键词 :数据挖掘 ;知识发现 ;贝叶斯网;条件概率 ( ) TP311131 A 　 2002 中图分类号: 　文献标识码 : 文章编号 : 　　数据挖掘技术是从大型数据库或数据仓库中自动提取隐含的、未知的、有价值的复合信息 ,并通过 预测未来趋势和行为模式 ,为企业作出基于知识的决策 ,从而把数据转化成真正实用和有效的 ,能够带 来商业价值的决策信息. 目前,数据挖掘技术越来越受到人们的重视 ,在许多领域都得到应用. 例如 ,基 于内容而不是数据记录的文本挖掘 ,包括制作文档索引和主题分类 ,Internet 和 Intranet 上的在线挖掘 ,分 析大型网络阻塞的网络挖掘等. 本文简要地介绍了数据挖掘技术的工作流程 ,并探讨了其在数据库决策 系统中的应用. 1 　数据挖掘的工作流程 ( ) 　　数据挖掘来源于知识发现 Knowledge Discover in Database ,简称 KDD ,是数据库发展和人工智能技 术相结合的产物. 从狭义的方面来说 ,数据挖掘是 KDD 过程中的一个特定步骤 ,是用专门算法从数据中 抽取模式 ,然后通过解释和评价系统转换成最终用户可理解的知识. 从广义的方面来讲 , 由于 KDD 的其 它各步骤对数据挖掘的运行性能和结果正确性影响很大 ,和 KDD 的各个环节密不可分 ,通常所说的数 ( ) 据挖掘往往包括 KDD 的全过程 和 KDD 相比它更侧重于发现而不验证假设 ,其工作流程包括以下 9 个步骤 : ( ) 　　 1 获得预先知识. 对应用领域进行充分的理解和分析 ,获得对数据挖掘过程有帮助的领域专业知 识加入到挖掘工具的知识库中 ,并且由此确定数据挖掘的最终目标. ( ) 　　 2 选择数据. 在大型数据库或数据仓库中选取数据挖掘的目标数据集 , 即选择挖掘的样本集和需 求分析的变量集. 数据选择需要很多领域专家的知识 ,利用这些知识来分析要解决的问题. ( ) 　　 4 判断数据挖掘的功能类型. ( ) 　　 5 选择数据挖掘算法. 根据数据挖掘的功能类型和数据的特点选择相应的算法. ( ) 　　 6 数据转换. 根据数据挖掘目标、数据挖掘功能类型及数据挖掘算法 ,按指定方法组织数据 ,用数 学或逻辑方法构造更能表达数据特征的新变量. 根据已有知识得出的限定式减少变量数量 ,转换数据类 型 ,并且根据算法特点映射数据到易于寻找到解的特征空间. ( ) 　　 7 数据挖掘. 在净化和转换过的数据集上进行数据挖掘. ( ) 　　 8 输出表达. 对数据挖掘输出的结果进行解释和评价 ,转换成为能够被最终用户理解的知识. ( ) 　　 9 综合分析. 把上一步得到的知识和已有的知识进行综合 ,检查和处理它们之间的冲突 ,把最终 结果报告给用户 ,并且评价整个处理流程的性