基于铁路货运数据的序列模式挖掘问题的研究-计算机应用专业论文.docxVIP

北方交通大学硕士研究生学位论文 摘要 y 586171 数据挖掘 (Data Mining. 简称 DM) 技术是当前一个相当活跃的研究 领域，它涉及人工智能、数据库技术、机器学习、神经网络、统计学、模 式识别、高性能计算、数据可视化等众多学科和领域。其目的是从大型数 据库、数据仓库或者其他一些数据载体存储的海量数据中发现有效的、新 颖的、有潜在作用的、可信的声并能最终被人理解的模式。不同于传统的 统计查询方法，数据挖掘对商业决策提供更深层次的、更复杂的支持口 随着信息时代的到来和计算技术的飞速发展，如何进行有效的数据挖 掘成为信息科学研究领域一个新的课题。目前数据挖掘领域有两个研究重 点:一是高效的挖掘算法的研究与开发，二是集成多种挖掘方法和算法的 通用数据挖掘系统的建造。关联规则的挖掘是数据挖掘领域的 一个重要研 究方面，其目的是发现各种数据集中项目之间的关联关系。本文着重对时 间序列数据的关联规则挖掘(即序列模式〉进行了研究和分析。本文的主 要工作包括: 介绍了数据挖掘技术的由来、研究历史和现状，铁路货运数据系统的 研究背景、铁路货运数据挖掘的意义。 分析了数据挖掘的一般过程功能，并考察数据挖掘技术的、种类、所 面临的挑战性问题、流行的数据挖掘语言和典型的数据挖掘系统 。 介绍了经典的 Apriori 挖掘算法，然后描述了对该算法的优化拓展， 接着讲述脱离 Apriori 算法的方法:讲述了多层、多维关联规则的概念; 归纳出关联规则价值衡量方法，接着介绍了关联规则的维护策略和更新算 法。 介绍时间序列数据库和序列数据库的几个重要方面，包括 趋势分 析， 64 相似性搜索，序列模式挖掘，周期模式挖掘。其中，序列模 式挖掘是本文的重要讲述的内容的基础，并将在后续章节详细讲解。 对数据仓库基本概念和体系结构的进行介绍;简单介绍了数据仓库的 一个关键应用 OLAP 的相关技术:接着从技术融合的角度讨论了基于数据 仓库和 OLAP 技术的数据挖掘以及 OLAM 技术;然后又简单介绍了铁路 货运数据仓库及数据挖掘系统;最后研究了基于数据立方体技 术的多维 关 联规则的挖掘技术。 北方交通大学硕士研究笠学位论文 北方交通大学硕士研究笠学位论文 基于铁路货运数据的序列模式的关联规则挖掘是本人在第三章和第 四章的知识基础上完成的，也是全部工作的重点:首先简单介绍了关联规 则的形式，并对关联规则的算法进行了详细讨论和分析:接着，介绍了序 列模式的相关概念和定义，并结合具体例子加以说明，接着对序列模式算 法的实现，分Ji个步骤，按流程的加以具体讲述与分析，并且对其中最重 要序列阶段，给出了 Aprior iAll 算法;在最后部分，结合铁路货运数据， 对序列模式的的关联规则挖掘给出了结果案例， 关键词 z 数据挖掘、关联规则、 频繁项集、序列模式、数据仓库 -1I- 北 北方交通大学硕十研究生学位论文 Abstract Data Mining is a very active field nowadays. 1t involves many fields such as Artificial Intel1igence，Database，Machine Leaming，Neural Network ， Statistics，Pattern Recognition ，High-powered Learning，Data Visualization and so on. Data Mining ?ntends to discover effective ，novel ，potenti a1， creditable and understandable pattern 企om a magnitude of data，wruch are 仕om large-scale database，datawarehouse and other other data carriers . How to process data miníng is a new task. Now，there 缸e two key subjects in data mining，one is the study and development of effective algori让un in data mining，the other is building general data mining system integrating various mining me由ods. Association Rule Mining is an important method ，which searches for interesting relatìons