基于可拓聚類方法的數(shù)據(jù)挖掘研究.pdf

1、目前，人們使用計算機(jī)網(wǎng)絡(luò)等高級技術(shù)發(fā)現(xiàn)數(shù)據(jù)信息的能力比以前大大提高了，很多數(shù)據(jù)信息被運用于商務(wù)決策、市場分析、科學(xué)研究和工程項目的開發(fā)等，這一趨勢將得到持續(xù)發(fā)展。現(xiàn)代社會的信息等技術(shù)的高速發(fā)展以及數(shù)據(jù)庫應(yīng)用的規(guī)模和范圍的不斷擴(kuò)大，使得人們能夠獲得的數(shù)據(jù)量也越來越大了，數(shù)據(jù)的種類也變得日漸繁多。特別是互聯(lián)網(wǎng)的快速發(fā)展發(fā)展為我們帶來大量的數(shù)據(jù)和信息，面對這么大規(guī)模的、而且存在著異常數(shù)據(jù)的數(shù)據(jù)庫信息，如何從其中提取出隱含的、有用的、對商業(yè)等的

2、決策有用的信息或知識，進(jìn)一步提高信息利用率，成為現(xiàn)今世界急切需要解決的一個重要問題。在這種情況下對于數(shù)據(jù)挖掘及其方法的研究就變得極為重要了。本文就是基于這一點，在對數(shù)據(jù)挖掘的方法及其算法分析研究的基礎(chǔ)上提出一種新的可拓聚類方法。 本文研究的問題是屬于可拓工程和數(shù)據(jù)挖掘方面的。在借鑒和綜合國內(nèi)外前人的相關(guān)研究成果的基礎(chǔ)上，在分析研究了目前數(shù)據(jù)挖掘理論基礎(chǔ)及其聚類方法的基礎(chǔ)上，將可拓學(xué)的理論知識引入到了數(shù)據(jù)挖掘中去，從可拓學(xué)研究的基

3、本思想、工具和方法出發(fā)，將問題進(jìn)行了形式化的描述，建立了以可拓集合和關(guān)聯(lián)函數(shù)為核心的可拓聚類方法。該方法以物元為基礎(chǔ)，將知識定義為物元，首先將知識以物元的形式模型化，形成進(jìn)行數(shù)據(jù)挖掘的最初知識模板，然后用要分析的數(shù)據(jù)信息形成可拓集合，確定物元分析的經(jīng)典域和節(jié)域，最后建立解決問題所需要的關(guān)聯(lián)函數(shù)，用關(guān)聯(lián)函數(shù)值的大小來判斷待分析的知識信息屬于某集合的程度，從而進(jìn)行聚類。 本文所做的研究工作主要包括以下幾個方面： (1)比較詳

4、盡地論述了目前國內(nèi)外對數(shù)據(jù)挖掘相關(guān)理論及其應(yīng)用研究的總體情況，包括數(shù)據(jù)挖掘的概況、挖掘數(shù)據(jù)的特點、數(shù)據(jù)挖掘的過程、挖掘中常用的幾種方法以及在科學(xué)研究、金融業(yè)、醫(yī)療等領(lǐng)域的應(yīng)用。 (2)對數(shù)據(jù)挖掘中的聚類分析方法進(jìn)行了比較深入的研究，包括聚類分析概述、常用的五種聚類方法的內(nèi)容、優(yōu)點、缺點和幾種主要聚類算法的描述，同時對其從時間復(fù)雜度、目標(biāo)數(shù)據(jù)屬性、發(fā)現(xiàn)聚類形狀、對噪聲數(shù)據(jù)的敏感性、對數(shù)據(jù)輸入順序的敏感性、高維性和算法效率7個性能進(jìn)