基于貝葉斯理論的海量科學數據挖掘.pdf

1、隨著數據庫技術的成熟應用和Internet的迅速發(fā)展,人類積累的數據量正在以指數速度增長.對于這些數據,人們已經不滿足于傳統(tǒng)的查詢、統(tǒng)計分析手段,而需要發(fā)現更深層次的規(guī)律,對決策或科研工作提供更有效的決策支持.正是為了滿足這種要求,從大量數據中提取出隱藏在其中的有用信息,將機器學習應用于大型數據庫的數據挖掘(Data Mining)技術得到了長足的發(fā)展.所謂數據挖掘(Data Mining,DM),也可以稱為數據庫中的知識發(fā)現(Know

2、ledge Discover Database,KDD),就是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中,提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程.發(fā)現的知識可以被用于信息管理、查詢優(yōu)化、決策支持、過程控制等,還可以用于數據自身的維護.因此,數據挖掘是數據庫研究中的一個很有應用價值的新領域,它又是一門廣義的交叉學科,融合了數據庫、人工智能、機器學習、統(tǒng)計學等多個領域的理論和技術.基于貝葉斯技術的分類是

3、當前數據挖掘領域的一個研究熱點.本文主要研究了以下幾個主要內容:1.綜述了數據挖掘及分類的基本理論,介紹了數據挖掘及分類的一些基本概念,討論了幾種主要的分類算法:決策樹、神經網絡及貝葉斯,并對它們進行了分析比較.2.討論了貝葉斯分類的主要內容,包括貝葉斯定理以及樸素貝葉斯分類和貝葉斯網絡分類.3.研究了貝葉斯網絡的學習問題,包括貝葉斯網絡結構學習和貝葉斯網絡參數學習.4.介紹了我們開發(fā)的SDM數據挖掘系統(tǒng)的系統(tǒng)框架以及功能實現.并重點介