检索结果-内蒙古大学图书馆

作者：付慧文广西师范大学

学位级别：硕士

数据挖掘即挖掘和分析大数据集,从而发现有用模式和规则,其关键思想是寻找一种有效方法来探测兴趣模式。数据挖掘技术已经成功地应用到多种具体问题中,比如医学诊断、计算机安全侵入及误用检测等,而且这些应用都是基于单一数据库挖掘技... 详细信息

数据挖掘即挖掘和分析大数据集,从而发现有用模式和规则,其关键思想是寻找一种有效方法来探测兴趣模式。数据挖掘技术已经成功地应用到多种具体问题中,比如医学诊断、计算机安全侵入及误用检测等,而且这些应用都是基于单一数据库挖掘技术,即先将同一问题所涉及的不同数据库集中成一个大型数据库,然后再利用传统数据挖掘方法进行挖掘。然而,该方法忽略了整个数据库中数据的分布规律,最终会导致决策上的偏差；另外,由于集成的大型数据库数据量庞大,加重了挖掘兴趣模式的负担。因此,多数据库挖掘应运而生,并得到了大量学者的深入研究。局部模式分析是挖掘多数据库的一种技术,该方法的第一步是对多数据库进行分类,得到各个子类中的局部模式,然后利用局部模式集确定全局模式,从而做出全局决策。然而,现有独立于应用的多数据库分类算法在分类过程中,未能充分考虑类内与类间的关系,导致分类不准确；另外,在寻找最优分类时,现有评估理论过度依赖于数据库间的相似度值,由此产生不合理的分类结果。进一步,多数据库中例外模式挖掘技术也得到了大量关注,并在销售、科技探索和信息安全等应用领域中有着重要应用。例外模式反应了子公司的个性,并隐藏在局部模式中,通过分析这些模式,可以因地制宜为少数几个公司作符合它们特性的决策。然而,现有例外模式主要是指仅仅被少数几个子公司所高度支持的模式,忽略了其它例外模式存在的可能,使得总公司在做决策时缺失了重要参考因素。本文首先介绍了数据挖掘和多数据库挖掘的相关概念和技术,在现有研究的基础上,提出了新方法和新理论,并用实验证实了所提方法的可行性和有效性,其主要内容安排如下： (1)提出基于高凝聚低耦合的多数据库分类算法由于现有多数据库分类算法存在着分类错误、时间复杂度高及类间关系考虑不全面等问题,由此提出了基于高凝聚、低耦合的多数据库分类模型,最大程度提高了分类精度,实验证明,该方法具有一定的可行性。 (2)提出基于层次聚类的多数据库分类算法由于现有方法对多数据库分类的定义比较严格,导致得到不合理分类,所以本文利用层次聚类的思想,在将相似度值大的数据库划分到同一类中时,确保类间耦合度最低；另外,本文设计了新的评估函数用于寻找最优分类。实验证明,该方法能有效的避免得到错误分类的可能。 (3)提出基于孤立点检测的例外模式挖掘算法本文首先补充了例外模式的定义,将其分为两种形式：VEP(支持度例外模式)和IEP(兴趣度例外模式)；然后,根据孤立点检测技术提出了基于方差的例外平滑因子等概念,并通过例外程度来确定例外模式。实验证明,该算法能够准确得到数据库中的例外模式且具有较强的实用性。

关键词：数据挖掘多数据库挖掘数据库分类例外模式

来源：评论

学校读者我要写书评

暂无评论

多数据库挖掘中独立于应用的数据库分类研究

引用

广西师范大学学报（自然科学版） 2003年第4期21卷 32-36页

作者：唐懿芳牛力钟智张成奇广西师范大学数学与计算机科学学院广西桂林541004 广西师范学院数学与计算机科学系广西南宁530001 悉尼理工大学信息技术学院

目前的数据挖掘技术大多只针对单一数据库进行挖掘。当数据库有多个时,需要用到多数据库挖掘技术。应用聚类思想,提出一种独立于应用的数据库分类方法,并给出了相关的算法,最后用实验证明了该方法的正确性和有效性。

关键词：多数据库挖掘数据库分类聚类算法

来源：评论

学校读者我要写书评

暂无评论

多数据库挖掘的研究

引用

广西师范大学学报（自然科学版） 2003年第1期21卷 153-153页

作者：张师超张成奇广西师范大学数学与计算机学院，广西桂林541004 悉尼理工大学信息技术学院，澳大利亚悉尼

多数据库技术的进步导致大量的多数据库系统的开发,为了决策的目的,许多跨国(省)公司急需挖掘他们那些分布在子公司的数据库.不过,现有的多数据库挖掘依然沿用单个数据库挖掘技术,即,首先将相关的数据库中的数据并入一个集合,然后挖掘... 详细信息

多数据库技术的进步导致大量的多数据库系统的开发,为了决策的目的,许多跨国(省)公司急需挖掘他们那些分布在子公司的数据库.不过,现有的多数据库挖掘依然沿用单个数据库挖掘技术,即,首先将相关的数据库中的数据并入一个集合,然后挖掘这个集合,这会破坏一些有用的模型,像‘一个公司的70%子公司认为一个45-65的已婚顾客通常至少有2部车'.这种模型是有助于该公司的总体规划.另一方面,多数据库挖掘和单个数据库挖掘之间存在本质的不同.例如,多数据库挖掘要考虑总公司和子公司的多层次应用.在这个报告中,设计了一个多数据库挖掘过程及可能遇到的问题.同时也简要地论证了多数据库挖掘的重要性,多数据库挖掘和单个数据库挖掘之间的不同之处,以及现有的多数据库挖掘技术的缺陷.

关键词：数据挖掘数据库知识发现多数据库挖掘多数据库系统

来源：评论

学校读者我要写书评

暂无评论

多数据库中例外模式挖掘方法研究

引用

计算机应用研究 2008年第2期25卷 382-385页

作者：王日凤唐培和刘浩张师超广西工学院计算机工程系广西柳州545006 悉尼科技大学信息技术学院悉尼澳大利亚

首先比较了现有的两种挖掘方法,提出了一种改进技术。综合考虑例外的局部和全局兴趣度,剔除非真正有趣的局部例外;增加两种客观度量并按模式重要度排序。实验表明该方法不仅可以有效挖掘多数据库中例外模式,而且还大大减少了用户负担。

关键词：多数据库挖掘例外模式低选票例外兴趣度度量

来源：评论

学校读者我要写书评

暂无评论

多数据库中负关联规则挖掘技术的研究

多数据库中负关联规则挖掘技术的研究

引用

作者：尚世菊山东轻工业学院

学位级别：硕士

关联规则的研究是数据挖掘的重要内容之一,现行的关联规则挖掘算法大多只针对单一数据库进行挖掘,但是实际应用中,往往碰到多个数据库的情况,由于单一数据库和多数据库的不同,在对多数据库进行挖掘时会出现一些问题,本文针对这些问题进... 详细信息

关联规则的研究是数据挖掘的重要内容之一,现行的关联规则挖掘算法大多只针对单一数据库进行挖掘,但是实际应用中,往往碰到多个数据库的情况,由于单一数据库和多数据库的不同,在对多数据库进行挖掘时会出现一些问题,本文针对这些问题进行了细致的分析并提出了解决方案。论文的研究成果如下: （1）当同时挖掘多数据库中的正负关联规则时,有可能会引起知识冲突问题,本文在前人对多数据库挖掘的基础上采用了一种关联规则合成模式,并利用合成相关性解决了知识冲突问题,提出了PNNR-MDB算法,实验表明该算法能够正确地挖掘出多数据库中正负关联规则,并利用模拟数据实现了其应用。（2）多数据库中挖掘出的规则数量巨大,为了修剪那些兴趣度不高的规则,本文将P-S兴趣度方法扩展到多数据库中来进行正负关联规则挖掘,并提出了PNARMDB _on P-S measure算法,从而易于用户选择有兴趣的规则。（3）多数据库中的全局例外规则对于总公司因地制宜为少数几个公司制定相应的策略非常重要,本文提出了一种从多数据库中挖掘全局例外规则的方法,给出了一种MGER-MDB算法,挖掘出多数据库中的全局例外规则,并且通过实验表明该算法是有效的。

关键词：多数据库挖掘负关联规则规则合成最小兴趣度全局例外规则

来源：评论

学校读者我要写书评

暂无评论

一种基于用户导向的多数据库例外模式挖掘方法

引用

广西师范学院学报（自然科学版） 2007年第4期24卷 93-96页

作者：苏毅娟黄发良广西师范学院数计系广西南宁530023 福建师范大学软件学院福建福州350007

例外模式挖掘是数据挖掘的一项重要内容.该文针对用户的兴趣提出一种多数据库中例外模式的挖掘方法,先由用户给定他感兴趣的数据对象,选择与用户兴趣相关的数据,局部分析每一个数据库得到局部模式,再将局部模式综合得到全局模式,最终得... 详细信息

例外模式挖掘是数据挖掘的一项重要内容.该文针对用户的兴趣提出一种多数据库中例外模式的挖掘方法,先由用户给定他感兴趣的数据对象,选择与用户兴趣相关的数据,局部分析每一个数据库得到局部模式,再将局部模式综合得到全局模式,最终得到例外模式;并用实验验证了该方法的正确性和有效性.

关键词：用户导向例外模式多数据库挖掘

来源：评论

学校读者我要写书评

暂无评论

数据库中Burst模式挖掘的研究与实现

数据库中Burst模式挖掘的研究与实现

引用

作者：曾德胜广西师范大学

学位级别：硕士

近十几年来,随着科学技术的不断发展,人们产生和收集数据的能力迅速提高,因而数据规模急剧增加,仅仅依靠现有的技术是很难分析这些海量数据的,于是出现了“数据爆炸但知识贫乏”的现象。人们希望能够有新的工具自动的分析和整理如此庞... 详细信息

近十几年来,随着科学技术的不断发展,人们产生和收集数据的能力迅速提高,因而数据规模急剧增加,仅仅依靠现有的技术是很难分析这些海量数据的,于是出现了“数据爆炸但知识贫乏”的现象。人们希望能够有新的工具自动的分析和整理如此庞杂的数据,从中发现有价值的东西,为决策提供必要的支持。面对这一挑战,数据挖掘技术应运而生了。数据挖掘技术是指从大量的、不完全的、有噪声的、模糊的、随机的数据中抽取出潜在的、有效的、新颖的、有用的和最终可以理解和运用的知识的过程,它是涉及数据库、人工智能、统计学等众多学科的一个非常活跃的研究领域。数据挖掘不仅吸引了众多学者为其投入极大的热情,同时也引起了产业界人士的广泛关注。数据挖掘有许多功能,比如关联分析、聚类分析、例外分析等,其中例外分析也称例外模式挖掘,它是数据挖掘的一个重要研究课题。一个数据库中的数据一般不可能都符合分类预测或聚类分析所获得的模型,那些不符合大多数数据对象所构成的模型的数据对象被称为异类(Outlier)或例外(Exception)。以前许多数据挖掘算法在正式进行数据挖掘之前都把例外对象当作噪声而将其排除在数据挖掘的分析处理范围之外。但是从知识发现的角度来看,在一些应用场合,如电子商务欺诈行为的检测,银行信用卡欺诈行为的检测等,那些很少发生的事情往往比经常发生的事情更有趣、更有研究价值。因此,例外模式挖掘是一项重要且有意义的研究工作。本文提出了一种新的例外模式——Burst模式的定义,这种模式只在单个或者少数几个特定的时段或数据库中出现,并且在本阶段或者本数据库中相对其他模式而言有很高的支持度。这种模式支持度高,说明它们在各自的时段或数据库中很频繁;而它们又只有少数几个时段或者数据库支持,这就说明它们是特有的。那么这种模式就可以给公司或企业的决策者在做决策的时候提供支持和帮助。公司可以根据它们的特殊性制定出特殊的决策,加快公司的发展,提高公司的利润。因此,如何有效地在数据库中挖掘Burst模式就成了一项很有意义的研究工作。本文第一章首先简要介绍了数据挖掘的基本概念、功能和面临的挑战;第二章详细介绍了与本文密切相关的关联规则挖掘的问题、方法和技术;接着在第三

关键词：数据挖掘多数据库挖掘 Burst模式挖掘局部模式库划分关联规则

来源：评论

学校读者我要写书评

暂无评论

基于聚类的多数据库分类算法的研究与实现

引用

电脑知识与技术 2008年第10期3卷 7-7,23页

作者：吕刚合肥学院计算机科学与技术系安徽合肥230022

针对多数据库挖掘的预处理，提出了运用聚类的思想来对数据库进行分类。同时，提出了改进的BestClassification算法。通过实验证明这种分类方法具有较好的有效性和正确性。

关键词：多数据库挖掘聚类分类

来源：评论

学校读者我要写书评

暂无评论

一个基于高内聚和低耦合的多数据库分类方法

引用

计算机与数字工程 2016年第7期45卷 1226-1229,1342页

作者：曹礼园李深洛广东财经大学华商学院广州510006 广西师范大学计算机科学与信息工程学院桂林541004

数据库分类是多数据库存储、管理和挖掘的预处理技术。目前,不依赖具体应用的多数据库分类的研究甚少,并且忽略内聚度和耦合度,复杂度高。论文提出一个基于高内聚和低耦合的多数据库分类方法,该方法不依赖于具体的应用,避免了聚类结果... 详细信息

数据库分类是多数据库存储、管理和挖掘的预处理技术。目前,不依赖具体应用的多数据库分类的研究甚少,并且忽略内聚度和耦合度,复杂度高。论文提出一个基于高内聚和低耦合的多数据库分类方法,该方法不依赖于具体的应用,避免了聚类结果的不稳定性,且降低了时间复杂度。具体地,该方法名为DHC首先构造一个多目标优化问题,然后利用层次聚类思想构造算法查找最优聚类。利用一个人工数据库和一个现实数据库相似度二维表进行实验,实验表明该方法聚类稳定性强,时间复杂度比BestClassification低,泛化能力强。

关键词：数据库聚类多目标最优化多数据库挖掘层次聚类

来源：评论

学校读者我要写书评

暂无评论

一种基于聚类的多数据库分类方法设计

引用

网络安全技术与应用 2010年第6期 79-81页

作者：曹慧广西师范大学计算机科学与信息工程学院广西541004

多数据库挖掘最常用的方法是先将多数据库进行分类,然后对每个类进行单独挖掘,最后将各个类中的模式进行集成得到全局模式。这些数据库分类方法都只是针对事务数据库而设计,用两个数据库中共同项集的比例来衡量这两个数据库的相似度,以... 详细信息

多数据库挖掘最常用的方法是先将多数据库进行分类,然后对每个类进行单独挖掘,最后将各个类中的模式进行集成得到全局模式。这些数据库分类方法都只是针对事务数据库而设计,用两个数据库中共同项集的比例来衡量这两个数据库的相似度,以此来进行数据库分类。本文提出一种基于聚类的数据库分类方法,可以对任何类型的数据库进行分类。

关键词：多数据库挖掘数据库分类聚类

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：