云理论及其应用研究

《云理论及其应用研究》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、出入侵决策‘柏1。另外，在定性评价【411和预测中【42】云理论有一定的应用。1．3论文的主要工作本文针对云理论处理不确定性问题，考虑到梯形云模型在生活中表示概念更具一般性，对梯形云的性质及应用进行了研究，并对云理论的在数据挖掘中应用进行了探讨。论文完成的主要以下几个方面：(1)系统阐述了梯形云模型的数字特征，期望曲线等重要性质，给出了梯形云发生器算法，并对梯形云模型和正态云模型的联系与区别进行了探讨。(2)将梯形云模型引入到数量型属性的概念划分中，提出了新的基于云变换的云概念划分算法。此算法得到的概念反映了此属性中数据在

2、定义域中的实际分布，同时概念的边界是模糊的，不确定的，因而是一种软划分方法。(3)在云概念划分的基础上，提出了云关联规则提取方法．云概念划分实现数量型属性的软划分，从而使得挖掘出的关联规则具有有效性和可理解性。(4)基于云模型的不确定性推理，对云模型在定性评价方面的应用进行了研究。结合实例，给出了两个具体评价模型．1．4论文的组织结构本文针对云理论处理不确定性问题，围绕云理论及其应用，逐步展开全面而深入的研究。本文各章节的安排如下：第一章绪论介绍了论文的选题背景，阐述了论文的选题意义，并对本课题的国内外研究现状进行了介绍。

3、第二章数据挖掘概述首先详细阐述了数据挖掘的定义，研究了数据挖掘的过程。接着，对数据挖掘中普遍存在的不确定性现象展开了深入、详尽的讨论，分析了产生不确定性的原因，归纳总结、对比讨论了常用的处理不确定性的方法。第三章云理论4本章对云理论的基本概念和相关方法进行必要的阐述。对正态云及发生器、基于云模型的推理机制进行了详细分析。第四章梯形云模型本章分析了梯形云模型的相关重要性质和发生器算法，比较了正态云与梯形云的不同；将梯形云模型引入到概念划分中，形成是一种属性空间的软划分算法：在新的概念划分算法上提出了云关联规则挖掘方法。第五章

4、基于云模型的不确定性评价本章对生活中常用定性评价方法的不足和教育及其评估的不确定性进了探讨，在此基础上，利用云模型的不确定推理机制提出了两个评估模型。第六章总结对论文工作进行了总结，对后续研究进行了展望。52．1数据挖掘概述第二章数据挖掘技术随着数据库的迅速发展以及人们对数据库管理系统的广泛应用，积累的数据越来越多，手工分析如此庞大的数据库并及时得到有价值的结果显然是不可能的。为实现用智能化的方法自动从大量的数据中迅速发现有用的知识，必须寻找更有效的工具和技术。随着人工智能的发展，出现了机器学习，它是采用计算机模拟人类学习

5、的一门科学，人们用数据库来存储数据，用机器学习的方法来分析数据，挖掘大量数据背后的知识，这两者的结合形成了知识发现KDD(KnowledgeDiscoveryinDatabase)t431。整个知识挖掘过程是由若干挖掘步骤组成的，而数据挖掘仅是其中一个主要步骤渊．知识挖掘的主要步骤有：数据清洗(datacleaning)．其作用是清除数据噪声和与主题明显无关的数据；数据集成(dataintegration)：其作用是将来自多数据源中的相关数据组合到一起；数据转换(datatransformation)：其作用是将数据转换为

6、易于进行数据挖掘的数据存储形式；数据挖掘(datamining)：它就是知识挖掘的一个基本步骤，其作用就是利用智能方法挖掘数据模式或规律知识：．模式评估(patternevaluation)：其作用就是根据一定评估标准从挖掘结果筛选出有意义的模式知识；知识表示(knowledgepresentation)：其作用就是利用可视化和知识表达技术，想用户展示所挖掘出的相关知识。数据挖掘是KDD最核心的部分，是采用机器学习、统计等方法进行知识学习的阶段。数据挖掘算法的好坏将直接影响到所发现知识的好坏。尽管数据挖掘仅仅是整个知识挖掘

7、过程中的一个重要步骤，但是由于“数据挖掘一己经被广泛使用并被普遍接受，广义地使用“数据挖掘"一词来表示整个知识挖掘过程，数据挖掘(DataMining)就是指从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。6广西大攀硕士掌位。沦文自1995年举办了国际第一届知识发现与数据挖掘学术会议，会议上明确定义知识发现后，数据挖掘逐步广泛应用于各个领域：如在地理数据库上挖掘地质、地貌特征，寻找矿产或进行城市规划；针对生物医学和DNA数据分析，挖掘遗传、疾病等数据

8、特征；对金融数据进行挖掘，分析客户信用度：在电信业中使用挖掘方法，预防网络欺诈；对零售业中的数据进行挖掘，指导安排货架和商品排放次序：在Wcb服务器上挖掘web日志，根据用户兴趣动态链接，统计权威主页等，并可对检索页面进行聚类，方便用户找到需要的信息：在CRM(客户关系管理)中使用数据挖掘，获得客户群体