kdd中的几个关键问题分析-analysis of some key problems in kdd.docx

摘要摘要数据库中的知识发现 (Know/edge Discovery in Database. KDD) 是在应用需 求的背景下产生并迅速发展起来的、开发信息资源的一套科学方法、算法及软件 工具和环境，是集统计学、人工智能、模式识别、并行计算、机器学习、数据库 等技术的一个交叉性的研究领域 ? KDD 是识别有效的、新颖的 、具有潜在用处 的可理解的数据模式的过程。一般地 ? KDD 由数据清理、数据集成、数据选择、 数据交换、数据挖掘、模式(型)评估、知识表示等过程组成。 KDD 有三个重 要的环节，即数据预处理、数据挖掘和结果可视化.本文在详细分析国内外 KDD 研究现状的基础上，借鉴生物进化、计算智能、 关系代数、 petri 网等概念与理论，提出了基于自适应聚类、模糊聚类进行数据 预处理的算法:基于关系代数和自适应混合算法集成的关联规则挖掘算法、泛化 关联规则挖掘算法:分析了分类挖掘机理及文本分类与降维技术:针对现有的数 据挖掘结果的可视化理论及技术，提出了基于 petri 网的鲁棒性的、统一的可视 化模型:最后，实现了一个数据挖掘的应用实例，验证了文中有关算法和方法的 有效性.主要研究内容如下 z(1)数据预处理是确保数据拢掘成功的关键，文中将数据库理论与自适应 并行优化算法相结合，给出了 KDD 与数据库/数据仓库无缝集成的 κDD 模型， 并提出了基于自适应聚类与并行优化算法混合的数据预处理算法。仿真实验证明 了算法的有效性，该算法可用于分类、聚类、关联规则等数据挖掘的预处理，并 可推广到不同类型数据的数据预处理中。(2) 在数据预处理的基础上.提出了利用关系代数理论、数据库与 KDD 协 同理论挖掘关联规则、泛化关联规则的算法，仿真结果表明了算法的有效性.与 经典的 Apriori 算法相比，该算法只需扫描一次数据库，具有良好的并行性和可 伸缩性，并易于推广到模糊关联规则的挖掘。(3)分类是数据挖掘的主要应用之一.文中绘出了分类挖掘的形式化定义， 分析了分类挖掘的基本机理.在此基础上，提出了一种 Web 文档分类的基本框 架，分析了用于文挡分类的降维技术，给出了基于主分量分析和支撑矢量机的文 裆分类的基本思想，分析了仿真实验的结果。(4)数据挖掘结果及数据挖掘过程的可视化表示是 KDD 的又一个重要的组 成部分。在分析了现有可视化理论及表示方法的基础上，针对其不足，提出了用 petri 网表示挖掘过程及挖掘结果的统-的、鲁棒性的框架，该方法也适用于动 态如11;11/ 的可视化表示.(5) 以陕北黄土高原多个地貌区为试验样区，在数字高程模型 CDEM) 所提取的数据集的基础上，挖掘各种地形因子对平均坡度的影响程度(国家自然科霄达信号处理回家重点实验室 11KDυ 中t 内儿大ríY Ii!是II州f{. 学基金项目 (4997106S)、国家高技术研究发展计划课题 (2001AA130023) ).以 建立适合黄土高原多种地貌类型的 ? DEM 所提取的地面坡度随分辨率与地形变 化的模型 a 实验结果具有很高的精度，证明了文中有关算法和方法的有效性。将 KDD 和数据挖掘理论与算法用于地字信息处理是一种新的尝试，挖掘结果既有 效地估算了地理空间数据的不确定性、非线性的关系特征，又从一个侧面揭矛了 黄土高原 DEM 地形信息容量变化的规律性，为建立黄土高原地形信息图谱提供 了重要素材。关键词:KDD 数据挖掘 自适应聚类兔疫遗传算法效措预处理 关联规则泛化关联规则文裆分类 petri 网主分量分析 可视化虚拟数据库多层数据库西安电子科技大学博+学价论文Abstract111AbstractKnowledge discovery in database is a rapidly growing field，whose development is driven by strong research interests as well as urgent practical ，social，and 倪。nomical needs. KDD is a suit of scientific method ，algorithm ，so企ware tool andenvironment and can be used to develop information resources. KDD is a multi-disciplinary cross research field，including statistics，artificial intelligence ， pattem recognition ，parallel compu