基于大型數(shù)據(jù)庫(kù)的數(shù)據(jù)挖掘理論研究及應(yīng)用.pdf

1、(1)回顧了數(shù)據(jù)挖掘的發(fā)展歷史及其特點(diǎn), 歸納總結(jié)了數(shù)據(jù)挖掘的理論研究現(xiàn)狀和實(shí)際應(yīng)用研究情況,分析了當(dāng)前存在的問(wèn)題. (2)基于從數(shù)據(jù)中提取關(guān)聯(lián)規(guī)則的思想,結(jié)合數(shù)據(jù)倉(cāng)庫(kù)、OLAP、和概念層次關(guān)系,將關(guān)聯(lián)規(guī)則擴(kuò)展到多維多概念層次的提取. (3)基于粗集的數(shù)據(jù)挖掘方法中,生成的決策規(guī)則約簡(jiǎn)的算法往往只考慮到了決策規(guī)則的最少,忽視了所得到的規(guī)則的成本,該文通過(guò)引入目標(biāo)決策(MOD)的方法, 較好地解決效用最大且決策規(guī)則最少問(wèn)題,從而使粗決策能

2、力更完善和實(shí)用.(4)將貝葉斯網(wǎng)絡(luò)(Bayesian Networks)的方法用于不確定性知識(shí)發(fā)現(xiàn),其中包括對(duì)數(shù)據(jù)完全和數(shù)據(jù)不完全情況下的變量概率分布和網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)建,利用專家知識(shí)和現(xiàn)實(shí)存在的大量數(shù)據(jù)庫(kù)信息來(lái)構(gòu)造貝葉斯網(wǎng)絡(luò)是NP-Hard難題. 該文提出了利用遺傳算法(GA)解決構(gòu)造最佳貝葉斯網(wǎng)絡(luò)的思想,并給出了具體的算法. (5)基于動(dòng)態(tài)遺傳算法的貝葉斯網(wǎng)絡(luò)知識(shí)發(fā),開(kāi)發(fā)了知識(shí)實(shí)現(xiàn)系統(tǒng)BG-KDD(Genetic algorithms-