欢迎来到天天文库
浏览记录
ID:52432992
大小:2.40 MB
页数:55页
时间:2020-03-27
《基于动态数据流挖掘的案例推理的研究与应用.pdf》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、基于动态数据流挖掘的案例推理的研究与应用Casqbased‘一researchapplicationasedonasebasereasonlnRresearchandbasedondynamicdatastreammining作者姓名戴查边学位类型堂压亟±学科专业筐理抖堂皇工程研究方向值:包笪堡皇值:垦丕统导师及职称但壶佳教援2011年4月合肥工业大学⋯IllitIJlTIIIIIiIIlY1887097本论文经答辩委员会全体委员审查,确认符合合肥工业大学硕士学位论文质量要求。主席:委员:答辩委员会签
2、名勿罔玖知孑似阪·弓娜厶匀扭矽城苏短佣姚刷吼气包钒陀7彬^吉宏双.‘引讯独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得金胆王些太堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名:签字日期:少,J年V月l,-日学位论文版权使用授权书本学位论文作者完全了解金起王些太堂有关保留
3、、使用学位论文的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权金起王些太堂可以将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、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名:签字日期:』11年U月~p日学位论文作者毕业后去向:工作单位:通讯地址:导师签名:心柳签字日期:.7归t1年Y月p∥日电话:邮编:基于动态数据流挖掘的案例推理的研究与应用摘要随着社会经济的发展和计算机技术的不断进步,人们越来
4、越多地依靠计算机帮助解决实际生产、生活中遇到的问题。案例推理技术作为一种重要的机器学习方法,具有求解问题高效准确,解决方案直观易用,且能够自我增量学习等优点,因此,其思想与方法被广泛地应用于实际中帮助人们进行推理、解释,解决问题。数据流作为近年来被广泛关注并深入研究的新型数据类型,具有实时产生、源源不断等特点,现实生活中很多数据都具有类似特征,例如网络流量数据、股票交易数据等,因此对数据流的挖掘与研究具有十分重要的现实意义。本文首先阐述了基于案例的推理和数据流挖掘方面的主要理论与方法。重点介绍了基于案
5、例推理的概念、分类和基本模型,研究了当前基于案例推理方面的研究热点。深入分析了数据流的特点与研究思路,对数据流的聚类、分类、频繁模式挖掘等算法进行了详细的论述。然后,分析了最小距离原则聚类算法和STREAM算法的优缺点,提出了一种改进的数据流聚类算法。在传统案例推理模型的基础上,引入数据流挖掘技术,提出了基于动态数据流挖掘的案例推理模型,并将其应用于实际生产中,开发出了汽车行业故障诊断系统。文章最后对课题的研究情况进行了总结,并且对基于案例的推理和数据流挖掘的研究前景进行了展望。关键词:基于案例的推理
6、;数据流;聚类;故障诊断CasebasedreasoningresearchandapplicationbasedondynamicdatastreamminingAbstractAslongasthedevelopingofeconomyandcomputertechnology,peoPIedependoncomputertosolveprobleminpracticemoreandmore·Case.basedreasoning(CBR)isanimportanttechniqueofMachi
7、neLearning,itsolvesproblemexactlvandefficiently,itsanswersarevisualandcomprehensible,anditcanlearnincrementallybyitself,itstheoriesandmethodsareusedforhelpingpeopIereasoning,explainingandsolvingproblemwidely.Asanewdatatype,datastreamgetwidelyattentionan
8、dresearching.Datastreamisreal-timeandinfinitude·Therearemanvdatahavingthesamecharacteristicasdatastreamintrue-life,SUchasnetflowdata。stockdata,etc.Sotheminingandresearchingindatastream1SVerYimportant.Thisarticlefirstlyintroducest
此文档下载收益归作者所有