基于貝葉斯理論的海量科學(xué)數(shù)據(jù)挖掘.pdf

1、隨著數(shù)據(jù)庫(kù)技術(shù)的成熟應(yīng)用和Internet的迅速發(fā)展,人類(lèi)積累的數(shù)據(jù)量正在以指數(shù)速度增長(zhǎng).對(duì)于這些數(shù)據(jù),人們已經(jīng)不滿(mǎn)足于傳統(tǒng)的查詢(xún)、統(tǒng)計(jì)分析手段,而需要發(fā)現(xiàn)更深層次的規(guī)律,對(duì)決策或科研工作提供更有效的決策支持.正是為了滿(mǎn)足這種要求,從大量數(shù)據(jù)中提取出隱藏在其中的有用信息,將機(jī)器學(xué)習(xí)應(yīng)用于大型數(shù)據(jù)庫(kù)的數(shù)據(jù)挖掘(Data Mining)技術(shù)得到了長(zhǎng)足的發(fā)展.所謂數(shù)據(jù)挖掘(Data Mining,DM),也可以稱(chēng)為數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)(Know

2、ledge Discover Database,KDD),就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中,提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程.發(fā)現(xiàn)的知識(shí)可以被用于信息管理、查詢(xún)優(yōu)化、決策支持、過(guò)程控制等,還可以用于數(shù)據(jù)自身的維護(hù).因此,數(shù)據(jù)挖掘是數(shù)據(jù)庫(kù)研究中的一個(gè)很有應(yīng)用價(jià)值的新領(lǐng)域,它又是一門(mén)廣義的交叉學(xué)科,融合了數(shù)據(jù)庫(kù)、人工智能、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)等多個(gè)領(lǐng)域的理論和技術(shù).基于貝葉斯技術(shù)的分類(lèi)是

3、當(dāng)前數(shù)據(jù)挖掘領(lǐng)域的一個(gè)研究熱點(diǎn).本文主要研究了以下幾個(gè)主要內(nèi)容:1.綜述了數(shù)據(jù)挖掘及分類(lèi)的基本理論,介紹了數(shù)據(jù)挖掘及分類(lèi)的一些基本概念,討論了幾種主要的分類(lèi)算法:決策樹(shù)、神經(jīng)網(wǎng)絡(luò)及貝葉斯,并對(duì)它們進(jìn)行了分析比較.2.討論了貝葉斯分類(lèi)的主要內(nèi)容,包括貝葉斯定理以及樸素貝葉斯分類(lèi)和貝葉斯網(wǎng)絡(luò)分類(lèi).3.研究了貝葉斯網(wǎng)絡(luò)的學(xué)習(xí)問(wèn)題,包括貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)和貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí).4.介紹了我們開(kāi)發(fā)的SDM數(shù)據(jù)挖掘系統(tǒng)的系統(tǒng)框架以及功能實(shí)現(xiàn).并重點(diǎn)介