基于聚類技術(shù)的QMP模型建立與知識發(fā)現(xiàn).pdf

1、該文對基于數(shù)據(jù)挖掘的實現(xiàn)技術(shù)做了深入的研究,從整個系統(tǒng)角度出發(fā),運用新興的數(shù)據(jù)分析方法,探索開發(fā)智能化信息分析和決策支持工具的解決方案,主要研究成果如下:針對時序數(shù)據(jù)庫中的數(shù)量屬性,提出一種新的模型--數(shù)量型屬性的趨勢模式模型(QMP),用于發(fā)現(xiàn)多個數(shù)量屬性的變化趨勢之間的關(guān)系.研究了將時序數(shù)據(jù)庫轉(zhuǎn)化為比率數(shù)據(jù)庫的趨勢變化模型的可靠性和效率,并給出基于該模型的挖掘算法實現(xiàn)步驟.基于QMP模型的挖掘是一種通用技術(shù),不僅可以用于發(fā)現(xiàn)價格變化

2、與利潤變化之間的關(guān)系等知識,還可以用于其它數(shù)據(jù)挖掘系統(tǒng).對聚類技術(shù)進行改進,提出一種技術(shù):將數(shù)據(jù)庫中的數(shù)據(jù)對象首先使用CLIQUE算法進行粗分,并確定K的值,之后基于這個結(jié)果使用經(jīng)典的聚類算法.從而排除原經(jīng)典聚類算法對孤立點以及K值的敏感性.運用數(shù)據(jù)挖掘的最新研究成果,完成了將一個基于挖掘趨勢模型QMP模型的數(shù)據(jù)挖掘原型系統(tǒng)的連接工作.原型系統(tǒng)分為數(shù)據(jù)預(yù)處理,QMP模型變換、數(shù)據(jù)挖掘分析、數(shù)據(jù)驗證等幾個子系統(tǒng),對數(shù)據(jù)進行驗證型分析和發(fā)現(xiàn)