小波分析在科學(xué)數(shù)據(jù)挖掘中的應(yīng)用研究.pdf

1、隨著科學(xué)技術(shù)的高速發(fā)展，需要處理的信息量迅速增加，要把海量科學(xué)數(shù)據(jù)作為信息，使信息成為知識(shí)，迫切需要一種能從海量科學(xué)數(shù)據(jù)信息中發(fā)現(xiàn)、推理知識(shí)的有效方法。數(shù)據(jù)挖掘(DataMining)就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)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(shí)的過(guò)程。為了得到好的挖掘結(jié)果，數(shù)據(jù)預(yù)處理是進(jìn)行數(shù)據(jù)挖掘工作前不可缺少的工作。數(shù)據(jù)預(yù)處理就是把不便識(shí)別的數(shù)據(jù)轉(zhuǎn)化為易于識(shí)別的規(guī)范數(shù)據(jù)的信息處

2、理過(guò)程。在整個(gè)數(shù)據(jù)處理過(guò)程中，數(shù)據(jù)除噪和數(shù)據(jù)壓縮是預(yù)處理的核心。如何除去數(shù)據(jù)中的噪聲和減小數(shù)據(jù)存儲(chǔ)空間不但是技術(shù)上的關(guān)鍵問(wèn)題也是理論研究上的重要課題。近幾年來(lái)，小波分析理論已在數(shù)據(jù)除噪和數(shù)據(jù)壓縮方面開(kāi)始表現(xiàn)出它的潛力。多方面的研究和測(cè)試表明，針對(duì)科學(xué)數(shù)據(jù)采用小波分析的方法進(jìn)行數(shù)據(jù)除噪可以為后面的知識(shí)發(fā)現(xiàn)提供方便，同時(shí)提高模式識(shí)別的性能，從而達(dá)到更好的數(shù)據(jù)挖掘效果。 科學(xué)數(shù)據(jù)具有維數(shù)高、數(shù)據(jù)量大，數(shù)據(jù)不完全，有噪聲等特點(diǎn)，本課題在

3、現(xiàn)有的數(shù)據(jù)庫(kù)和windows平臺(tái)上，開(kāi)發(fā)一個(gè)具有開(kāi)放體系結(jié)構(gòu)的、易擴(kuò)充的、易維護(hù)的、具有良好人機(jī)交互界面的數(shù)據(jù)挖掘系統(tǒng)，從科學(xué)數(shù)據(jù)中提取隱含在其中的有用的知識(shí)，為科學(xué)計(jì)算中的仿真信息提供符合規(guī)律的模擬結(jié)果分析。目前已經(jīng)完成了一個(gè)最基本的數(shù)據(jù)挖掘系統(tǒng)，實(shí)現(xiàn)了如下功能：在數(shù)據(jù)預(yù)處理方面，包括對(duì)數(shù)據(jù)庫(kù)中數(shù)據(jù)進(jìn)行離散化處理、對(duì)數(shù)據(jù)除噪、壓縮、約簡(jiǎn)和降維；在知識(shí)發(fā)現(xiàn)方面主要是分類、聚類以及關(guān)聯(lián)規(guī)則提取。測(cè)試結(jié)果表明基本上達(dá)到了設(shè)計(jì)要求。