联系发现挖掘方法及应用研究

《联系发现挖掘方法及应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、合肥工业大学硕士学位论文联系发现挖掘方法及应用研究姓名：吴姗申请学位级别：硕士专业：管理科学与工程指导教师：倪志伟20090301联系发现挖掘方法及应用研究摘要联系发现是数据挖掘中较新的研究领域。它的目的是从大型的、异构的数据集中自动识别已知的、复杂的、多关系的模式，更重要的是发现未知的但具有重要联系的模式，这些模式指示出潜在的异常的、威胁性的活动。联系发现主要是针对反恐提出的，但随着联系发现技术的深入研究与发展，目前联系发现技术已经被应用到社会生活的各个领域中，如法律诉讼调查、反欺诈侦察、社会网络分析以及

2、电信通讯等。目前对于联系发现的研究主要集中在对联系发现方法、联系发现系统设计、联系发现的数据处理、联系发现的可信度、联系发现方法的性能评估以及联系发现的应用等方面。本文在广泛深入地查阅了国内外文献的基础上，对联系发现的方法和应用进行了深入地研究，主要内容如下：本文首先详细介绍了数据挖掘发展的历史，并由此分析了联系发现这个新的研究领域产生的必然性与必要性。然后对联系发现的基本理论、方法、系统以及应用情况进行了详尽地介绍。接着对经典的无监督联系发现方法中的新颖节点发现问题进行了全面的分析。由于在原方法中使用基于

3、距离的K近邻算法求解异常点，而这种算法使用的是全局阈值，因此在处理含有不同密度区域的数据集时具有一定的局限性。此外，原方法没有考虑到每个特征的权重，把所有特征都同样看待，在实际应用中会使结果产生很大的偏差。针对上述问题，本文提出了基于密度的无监督联系发现方法，给出了算法的具体步骤，并进行了实验与分析。然后将基于密度的无监督联系发现方法应用于反洗钱领域中。针对目前洗钱行为的复杂性以及传统的数据挖掘技术在反洗钱应用时的局限性，本文利用联系的分析方法，寻找可疑对象，有效地提高侦破效率。并在此基础上提出了基于联系发

4、现数据挖掘技术的反洗钱系统模型，详细分析了系统模块功能。本文围绕联系发现问题，在现有成果的基础上，提出了新的联系发现方法，并将其应用于反洗钱领域中。以上研究为联系发现方法的研究提供了一种新的思路，也为反洗钱应用提供了一种有效的工具。关键词：联系发现：链接挖掘；无监督联系发现；反洗钱；基于密度ResearchontheAlgorithmandApplicationofLinkDiscoveryAbstractLinkDiscovery(LD)isanewresearchfieldindatamining．It

5、isaimedatidentifyingknown，complex，andmulti-relationspatternsautomaticallyfromlarge—scaleandheterogeneousdatasets．Moreimportantly,itistofindunknownbutveryusefullinkswhichindicatethepotentialthreateningactivities．Linkdiscoveryisproposedforanti-terrorismmainl

6、y．Nowlinkdiscoveryhasbeenappliedintoawiderangeofresearchtopics，includinglawinvestigation，frauddetection，networkanalysis，telecommunication，andSOon。Recentlytheresearchoflinkdiscoveryisconcerningaboutthemethods，systemdesign，applications，confidenceintervalsand

7、performancevaluationoflinkdiscovery．Thedissertationmainlyfocusesonthemethodsandapplicationsoflinkdis—eoveryonthebasisofthereviewofrecentworks．Themaincontentsaredescribedasfollows：Firstly，thehistoryofthedevelopmentofdataminingisdescribedindetail。Thenthediss

8、ertationdiscussesaboutthenecessityandinevitabilityoftheappear-anceofthenewfieldoflinkdiscovery．ThethesisalsodiscussesaboutthebasictheoryandapplicationsofLinkdiscovery(LD)，andanalyzesthemainmethods，classicalsy