基于数据挖掘的滑坡监测信息挖掘研究.docxVIP

基于数据挖掘的滑坡监测信息挖掘研究 1 基本概念和方法 随着数据库技术的快速发展和广泛应用，收集的数据越来越多。激增的数据背后隐藏着许多重要的信息,人们希望能够对其进行更高层次的分析,发现数据中存在的关系和规则,并根据现有的数据预测未来的发展趋势。但由于缺乏挖掘数据背后隐藏的知识手段,导致了“数据爆炸但知识贫乏”的现象。面对上述挑战,数据挖掘和知识发现技术(DMKD)应运而生,并显示出强大的生命力。 数据挖掘(Data Mining)是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘是知识发现(KDD,Knowledge Discovery in Database)最核心的部分,数据挖掘算法的好坏将直接影响到所发现知识的好坏。 数据挖掘的主要任务有总结规则挖掘、关联规则挖掘、分类规则挖掘、聚类规则挖掘、趋势分析和偏差分析等。常用的数据挖掘方法有统计、基于事例的推理、神经网络、决策树、规则推理、贝叶斯信念网络、遗传算法/演化程序设计、模糊集及粗糙集等方法。 虽然数据挖掘技术已经广泛应用于银行、电信、保险、交通、零售(如超级市场)等商业领域,但在科学研究领域的应用还相对较少,尤其是在滑坡监测资料分析方面的应用尚未见报道。本文运用比较常用的关联规则挖掘方法对滑坡监测信息进行了研究。 2 相关规则的挖掘 2