数据库中数据挖掘理论方法及应用研究

《数据库中数据挖掘理论方法及应用研究》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、湖南大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：墨鼍广日期：工∞毕年-z月一)日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、

2、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于1、保密口，在年解密后适用本授权书。2、不保密团。(请在以上相应方框内打“√”)日期：io畔年a2月I)日日期：2吣牛年，1月lJ日博士学位论文摘要数据挖掘是目前数据库和信息决策领域最前沿的研究方向之一。本文研究数据库中数据挖掘，主要包括以下内容：1介绍了数据库和数据挖掘技术的发展动态，讨论了数据挖掘技术的研究现状、存在的不足和发展方向。分析了海量数据库产生的原因和特点。讨论了适于在海量数据库中进行数据挖掘的算法的基本特征，即算法应该具有线性计算复杂度O(n)。2对挖掘关联规则的算法进行了研究。首先，我们分析了Apriori

3、算法的某些不足；随后，我们提出了一种基于Apriori的改进算法，新算法在某些场合能减少扫描数据库的次数，提高了算法的效率；随后，我们又提出了一种基于事务树的高效算法，用该算法挖掘频繁项目集只需要一次扫描事务数据库，不需要产生候选项目集，该算法的速度大约是Apriori算法的10倍；最后，我们提出了一种用VisualFoxPro实现Apriori算法的方法。3对关联规则的衡量标准进行了研究，指出了原衡量标准和若干改进方法的不足。目前，关联规则常用的衡量标准是支持度和置信度，如果按现有标准来生成关联规则，可能会发现大量冗余的、虚假的关联规则；为了减少关联规则挖掘中的无效关联规则，我

4、们分析了产生问题的根源，提出了三种改进方法，即在关联规则的衡量标准中增加影响度、相对置信度或有效度标准，并分别定义了影响度、相对置信度和有效度。根据影响度、相对置信度或有效度的大小，将强关联规则分为正关联规则、无效关联规则和负关联规则。一般来说，只有正关联规则才是有效的关联规则，有时，它们只占强关联规则总数的--d,部分。此外，我们提供了用新衡量标准进行关联规则挖掘的改进算法，并进行了实验。实验表明，我们提出的方法能明显减少无效的关联规则。4对目前比较优秀的各种分类算法进行了介绍、分析和比较。综合提出了分类算法的评价标准。随后，我们讨论了SPRINT算法。针对SPRINT算法的不

5、足，提出了二种处理离散属性的新方法。这些方法能明显减少求最优分割点的运算量，提高算法的执行速度。最后，我们提出了一种基于抽样的快速数据分类算法。该算法既是可伸缩的，也可并行化。实验表明，该算法的速度是SPRINT算法的10-50倍。5介绍、‘，析和比较了各种常用的聚类方法，综合提m了聚类算法的评价标准和今后的研’，E方向。随后，在分析BIRCH算法不足的堆础上，提出了一种基于抽样的疑炎?f法。测试结果表明，咳算法在聚类速度方面明显优}。BIRCH算数据库中数据挖掘理论方法及应用研究法。6为了提高数据挖掘的效率，提出了采用约束和多维技术的方法进行数据挖掘。分析了数据挖掘中可能的约束

6、类型，用关联规则挖掘讨论了哪些约束可运用于数据挖掘过程中。设计出了一个采用约束与多维技术的数据挖掘系统结构。7讨论了数据挖掘技术在电力系统中应用，重点研究了最优潮流问题的高效算法。我们根据电力系统的特点，把无功界约束与一般非线性不等式约束分开来考虑，提出了一类投影渐近半光滑Newton型算法，实验表明，我们提出的算法具有良好的计算性能。关键词：数据库：数据挖掘：关联规则；分类；聚类；算法博十学位论文ABSTRACTDataminingisoneofthemostfrontierresearchdirectionsofdatabaseandinformationdecisionfi

7、eld．Westudythedataminingindatabases．Thearticilemainlyincludesthefollowingcontents：1Westudythedevelopmentofdatabaseanddataminingtechnology，anddiscusstheirresearch，lacksandtrends．Thecauseandfeaturesofverylargedatabaseareanalyzed．Themainfeatures