數(shù)據(jù)挖掘相關算法的研究與平臺實現(xiàn).pdf

1、該文以遼陽地區(qū)電力調(diào)度決策分析系統(tǒng)和青島交通銀行銀行卡系統(tǒng)為實際應用背景,圍繞著數(shù)據(jù)挖掘系統(tǒng)應當具備的特點,分別從交互式、多層次挖掘,復雜數(shù)據(jù)類型——時間序列相似挖掘,集成化挖掘,挖掘平臺的構建及行業(yè)應用角度,對數(shù)據(jù)挖掘的相關方法進行研究.在此基礎上,設計并實現(xiàn)了一個基于數(shù)據(jù)倉庫的聯(lián)機分析挖掘平臺.主要研究內(nèi)容包括:一、研究挖掘空間定位問題.挖掘空間定位就是尋找反映所分析問題(分類/預測)的重要維度的過程,這一過程實質(zhì)上是知識的約簡過程

2、.該文提出了一個解決挖掘空間定位問題的知識約簡方法.該方法將粗集理論與并行遺傳算法有機結(jié)合,具有良好的魯棒性和全局尋優(yōu)能力,可以快速、有效地幫助用戶定位挖掘空間,提高挖掘效率和準確性.該問題的解決對于數(shù)據(jù)倉庫中立方體的構建也有重要的指導意義.這同時也表明,并行思想的引入對于知識約簡在解決大數(shù)據(jù)量問題時具有較大的實際意義,有廣闊的應用前景.二、研究時間序列數(shù)據(jù)的相似匹配問題.該文提出了基于小波包變換的時間序列相似匹配新方法,并用于時序相似

3、模式挖掘.該方法在原有小波變換方法的基礎上,充分利用小波包可對信號進行更加精細分析的優(yōu)點,同時考慮尺度信息和細節(jié)信息,使得約簡后的特征向量包含更多的時間序列有效信息.用多維索引結(jié)構R樹存儲這些特征向量,使用歐幾里德距離作為相似尺度,進行范圍查詢和k近鄰查詢.將該方法應用于電力負荷相似模式挖掘,得到了較好的效果,挖掘出的相似負荷模式對于調(diào)度計劃安排、電力系統(tǒng)經(jīng)濟運行具有重要的實際意義.三、研究粗集和神經(jīng)網(wǎng)絡的集成化問題.為充分發(fā)揮粗集和神

4、經(jīng)網(wǎng)絡的優(yōu)勢,提高挖掘精度,該文通過前面提出的并行遺傳約簡算法快速選取神經(jīng)網(wǎng)絡的輸入空間和訓練數(shù)據(jù),采用神經(jīng)網(wǎng)絡對精簡后的數(shù)據(jù)進行挖掘.此集成化方法充分發(fā)揮了二者的優(yōu)勢,即粗集的約簡知識的能力和神經(jīng)網(wǎng)絡精度高的特點,應用于銀行卡客戶特征分析中,取得了很好的效果.并行約簡算法的引入可以進一步提高粗集和神經(jīng)網(wǎng)絡集成化方法的整體挖掘效率.四、以上述研究內(nèi)容為基礎,論述基于數(shù)據(jù)倉庫的聯(lián)機分析挖掘平臺SEI OLAM及其在地區(qū)電力調(diào)度決策分析和銀

5、行卡分析領域中的應用.該文首先給出了SEI OLAM的體系結(jié)構和主要功能;接著介紹了其各組成部分——數(shù)據(jù)倉庫、聯(lián)機分析及數(shù)據(jù)挖掘的設計與實現(xiàn)方法.根據(jù)行業(yè)應用特點,平臺算法庫中除包含常用挖掘算法外,還加入了該文上面提出的方法,在行業(yè)應用中取得了良好的效果.最后,給出了該平臺在地區(qū)電力調(diào)度決策分析、銀行卡分析領域的應用實例.作為該文主要研究內(nèi)容的實際工程背景,這些項目最終能夠開發(fā)成功使得該文所提方法和所開發(fā)平臺的有效性和實用性得到了很好的