数据挖掘技术与用户知识获取.doc

数据挖掘技术与用户知识获取.doc数据挖掘技术与用户知识获取
【摘要题】实践研究
【正文】
1数据挖掘技术概述
随着信息技术的迅速发展，数据库的规模不断扩大，从而产 生了大量的数据。为给决策者提供一个统一的全局视角，在许多领域 建立了数据仓库。但大量的数据往往使人们无法辨别隐藏在其中的能 对决策提供支持的信息，而传统的查询、报表工具无法满足挖掘这些 信息的需求。因此，需要一种新的数据分析技术处理大量数据，并从 中抽取有价值的潜在知识，数据挖掘(DataMining)技术由此应运而 生。数据挖掘技术也正是伴随着数据仓库技术的发展而逐步完善起来 的。
数据挖掘是指从数据集合中自动抽取隐藏在数据中的那些有 用信息的非平凡过程，这些信息的表现形式为：规则、概念、规律及 模式等。它可帮助决策者分析历史数据及当前数据，并从中发现隐藏 的关系和模式，进而预测未来可能发生的行为。数据挖掘的过程也叫 知识发现的过程，它是一门涉及面很广的交叉性新兴学科，涉及到数 据库、人工智能、数理统计、可视化、并行计算等领域。数据挖掘是 一种新的信息处理技术，其主要特点是对数据库中的大量数据进行抽 取、转换、分析和其他模型化处理，并从中提取辅助决策的关键性数 据。数据挖掘是 KDD (KnowledgeDiscoveryinDatabase)中的重要技
术，它并不是用规范的数据库查询语言（如SQL）进行查询，而是对 查询的内容进行模式的总结和内在规律的搜索。传统的查询和报表处 理只是得到事件发生的结果，并没有深入研究发生的原因，而数据挖 掘则主要了解发生的原因，并且以一定的置信度对未来进行预测，用 来为决策行为提供有利的支持。
2数据挖掘的常用技术
机器学****数理统计等方法是数据挖掘进行知识学****的重要 方法。数据挖掘算法的好坏将直接影响到所发现知识的好坏，目前对 数据挖掘的研究也主要集中在算法及其应用方面。统计方法应用于数 据挖掘主要是进行数据评估；机器学****是人工智能的另一个分支，也 称为归纳推理，它通过学****训练数据集，发现模型的参数，并找出数 据中隐含的规则。其中关联分析法、人工神经元网络、决策树和遗传 算法在数据挖掘中的应用很广泛。
1） 关联分析法。从关系数据库中提取关联规则是几种主要的 数据挖掘方法之一。挖掘关联是通过搜索系统中的所有事物，并从中 找到出现条件概率较高的模式。关联实际上就是数据对象之间相关性 的确定，用关联找出所有能将一组数据项和另一组数据项相联系的规 则，这种规则的建立并不是确定的关系，而是一个具有一定置信度的 可能值，即事件发生的概率。关联分析法直观、易理解，但对于关联 度不高或相关性复杂的情况不太有效。
2）
人工神经元网络（ANN）,是数据挖掘中应用最广泛的技术。 神经网络的数据挖掘方法是通过模仿人的神经系统来反复训练学****数 据集，从待分析的数据集中发现用于预测和分类的模式。神经元网络 对于复杂情况仍能得到精确的预测结果，而且可以处理类别和连续变 量，但神经元网络不适合处理高维变量，其最大的缺点是不透明性， 因为其无法解释结果是如何产生的，及其在推理过程中所用的规则。 神经元网络适合于结果比可理解性更重要的分类和预测的复杂情况， 可用于聚类、分类和序列模式。
3） 决策树（DT）是一种树型结构的预测模型，其中树的非终 端节点表示属性，叶节点表示所属的