面向属性归纳综述.docVIP

面向属性归纳综述 摘要 面向属性的归纳是新近提出的一种广泛用于数据库中知识发现的方法。本文综合叙述了面向属性归纳的概念、主要思想和面向属性归纳的基本方法以及算法；对面向属性归纳的应用例子进行了简单的综合描述。 引言 在“数据爆炸但知识贫乏”的网络时代，人们希望能够对数据进行更高层次的分析，以便更好地利用这些数据或者说可以用于决策的知识，基于此，知识发现或者数据挖掘技术产生了，并显示出强大的生命力。 基于数据库的知识发现（KDD）一词最早是在1989年8月于美国底特律市召开的第一届KDD国际学术会议上正式形成的；1996年，Fayyad, Piatetsky-Shapio和Smyth将KDD过程定义为:从数据集中识别出有效的、新颖的、潜在有用的、以及最终可理解的模式的非平凡过程；并指出数据挖掘是知识发现的核心部分，是重要步骤，是采用机器学习、统计等方法进行知识学习的阶段，其中数据挖掘技术就包含面向归纳方法。 面向属性的归纳(AOI, Attribute Oriented Induction) 是一种面向关系数据库查询的、基于概化的、联机的数据分析处理技术, 是用于数据库的知识发现方法。最早于1989年Jiawei Han等人提出, 并对此作了比较全面的介绍。这种方法在知识发现中发挥着重要的作用。 面向属性的归纳 面向属性的归纳使用概念分层，通过以高层概念替换低层数据概化训练数据，