基于数据仓库的多策略通用数据采掘工具MSMiner.PPT

史忠植 高级人工智能 高级人工智能 主要内容 研究背景 MSMiner体系结构 元数据 数据仓库平台 数据采掘集成工具 典型的知识发现系统 知识发现工具SAS 知识发现工具SAS 知识发现工具Intelligent Miner 知识发现工具Clementine 数据挖掘工具: 公用系统 MLC++ Matlab Weka 知识发现工具MSMiner MSMiner的特点 提供决策树、支持向量机、粗糙集、模糊聚类、基于范例推理、统计方法、神经计算等多种数据挖掘算法，支持特征抽取、分类、聚类、预测、关联规则发现、统计分析等数据挖掘功能，并支持高层次的决策分析功能。 实现了可视化的任务编辑环境，以及功能强大的任务处理引擎，能够快捷有效地实现各种数据转换和数据挖掘任务。 可扩展性好。转换规则和挖掘算法是封装的、模块化的，系统提供了一个开放的、灵活通用的接口，使用户能够加入新的规则和算法。 容易进行二次开发。 数据仓库: 特征 面向主题 集成性 稳定性 随时间变化 数据仓库: OLAP ROLAP: Relational OLAP MOLAP: Multidimensional OLAP HOLAP: Hybrid OLAP 数据挖掘和数据仓库的结合 数据仓库为数据挖掘提供经良好处理的数据源 数据挖掘为数据仓库提供深层数据分析手段 MSMiner体系结构