欢迎来到天天文库
浏览记录
ID:33173692
大小:1.20 MB
页数:148页
时间:2019-02-21
《基于云模型的数据挖掘算法的研究与应用》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、上海交通大学博士学位论文基于云模型的数据挖掘算法的研究与应用姓名:田永青申请学位级别:博士专业:控制理论与控制工程指导教师:朱仲英20030701上海交通大学博士学位论文基于云模型的数据挖掘算法的研究与应用摘要随着计算机技术和数据仓库技术的快速发展存储的数据急剧增长而传统的数据分析和查询方法已经不能满足人们对隐含在数据中的知识的渴求数据库知识发现和数据挖掘应运而生并得到迅速发展数据挖掘是数据库人工智能模式识别和统计分析等学科相互交叉结合的前沿性研究领域在工程实践中也得到了一些应用获得了较为满意的效果但是在处理知识的不确定性方面还存在
2、许多问题而模糊理论和云模型尤其是云模型正是处理知识的不确定性的很好的工具所以本文着重研究云模型在数据挖掘算法中的应用并着重研究了一些挖掘算法详细地说明了云模型如何在数据挖掘中的应用本文对基于云模型的知识发现方法进行了深入而系统的研究在总结现有方法的基础上不仅对一些方法进行了改进而且也提出了一些新的方法本文工作主要包括以下内容(1)数据仓库成为近年来主要的数据存储形式因此基于数据仓库的挖掘也就出现新的问题数据仓库的存量巨大数据类型丰富具有的模糊性也更强本文在一般的基于数据仓库基础之上的数据挖掘系统的结构的基础之上提出了一种基于税务系统
3、数据仓库的模糊数据挖掘的算法本算法结合了人类的思维方式挖掘出更具有人性化的规则更容易让人理解从而使知识的表达更接近于现实(2)本文提出了用云模型进行关联规则挖掘的新方法并给出了一种云关联规则提取算法CloudModelA本文提出的云关联规则用定义在数量属性论域上的正态隶属云替代对属性论域的划分由于正态隶属云可以在集合元素和非集合元素之间提供非常平滑的变迁从而克服划分边界过硬的缺点在实践中这种算法的结果还是令人满意的并且本文的预测算法在实际中的效果也是令人满意的(3)本文在云模型的基础上提出了一种云神经网络算法这种算法结合了云模型与神
4、经网络的优点结合了模糊性和随机性结合了神经网络的很强的学习能力本文并且详细地介绍了云神经网络的结构和学习算法(4)提出了一种基于五层云神经网络的决策树生成方法首先运用五层云神经网络学习变量间的云映射关系然后从中生成云决策树这种方法利用了五层云神经网络学习后的云映射强度并能实现云决策树的剪枝优化从而提高算法的正确率和效率(5)详细地分析了税收模型在分析的基础上选影响税收的主要因素国内生产总值(GDP)职工工资总额(TW)财政支出(TE)政策因素(V)作为预测模型的输入量并且I上海交通大学博士学位论文在云神经网络的算法的基础上提出了基于
5、云神经网络的税收预测模型其次在RBF神经网络的基础上提出了基于RBF神经网络的税务预测模型并且在两者的基础上进行了仿真从结果的比较和分析可以看出云神经网络算法的结果更优(6)简要地介绍了决策树方法和基本算法框架并就决策树与云决策树进行了比较然后详细地提出了云决策树的算法详细地说明了准确地表达测量和把认知的不确定性结合进分类问题的知识推理过程本文提出的云模型决策树的推理方法有以下优点云模型有效地结合随机性和模糊性语言值的软边界包容了人类思想和感觉的含糊性和模糊性允许在分类问题中认识不确定性的表示这个方法为决策者提供了更多的信息例如规则
6、的真实程度和分类的隶属度这个容忍缺少信息所以它是更加鲁棒的这个方法提供的隶属度是更加精确它确切地表示了专家的经验提取出来的规则更趋于自然更具有人性化在现实中更容易让人理解(7)简要地介绍了税务决策支持系统中数据仓库平台的设计方案体系结构和若干关键问题的解决方法详细地给出了山东省某地税局基于数据仓库的决策支持系统的建立过程目标方法和步骤本文研究的数据挖掘算法是这个系统的一个重要组成部分正因为本文的数据挖掘算法才使本决策支持系统挖掘出来的信息和知识更容易让人接受更容易让领导接受总结全文本文有如下几个创新点(1)提出了一种基于税务系统数据
7、仓库的模糊数据挖掘的算法(2)(3)在云模型的基础上提出了一种云神经网络算法在详细地分析了税收模型的基础上提出了一种基于云神经网络的税收预测模型(4)详细地提出了一种云决策树的生成算法关键词数据仓库数据挖掘云模型模糊理论关联规则神经网络决策树II上海交通大学博士学位论文RESEARCHONTHEORYANDAPPLICATIONOFDATAMININGBASEDONCLOUDMODELABSTRACTWiththerapiddevelopmentofcomputeranddatawarehousetechniques,largeam
8、ountofdataisstored.Therapidgrowthdemandforextracting,understandingandassimilatingusefulknowledgefromthegrowingmountai
此文档下载收益归作者所有