數(shù)據挖掘技術論文開題報告(編輯修改稿)
2025-08-12 17:24 本頁面
【文章內容簡介】 多，如決策樹方法、遺傳算法等。 偏差檢測數(shù)據庫中的數(shù)據常有一些異常記錄，從數(shù)據庫中檢測這些偏差很有意義。偏差包括很多潛在的知識，如分類中的反常實例、不滿足規(guī)則的特例、觀測結果與模型預測值的偏差、量值隨時間的變化等。偏差檢測的基本方法是尋找觀測結果與參照值之間有意義的差別。這常用于金融銀行業(yè)中檢測欺詐行為，或市場分析中分析特殊消費者的消費習慣。三．目前的研究現(xiàn)狀及存在的主要問題自KDD一詞首次出現(xiàn)在1989年8月舉行的第11屆國際聯(lián)合人工智能學術會議以來。迄今為止,由美國人工智能協(xié)會主辦的KDD國際研討會已經召開了13次,規(guī)模由原來的專題討論會發(fā)展到國際學術大會,人數(shù)由二三十人到超過千人,論文收錄數(shù)量也迅速增加,研究重點也從發(fā)現(xiàn)方法逐漸轉向系統(tǒng)應用直到轉向大規(guī)模綜合系統(tǒng)的開發(fā),并且注重多種發(fā)現(xiàn)策略和技術的集成,以及多種學科之間的相互滲透。其他內容的專題會議也把數(shù)據挖掘和知識發(fā)現(xiàn)列為議題之一,成為當前計算機科學界的一大熱點。與國外相比，國內對DMKD的研究稍晚，沒有形成整體力量。1993年國家自然科學基金首次支持我們對該領域的研究項目。目前，國內的許多科研單位和高等院校競相開展知識發(fā)現(xiàn)的基礎理論及其應用研究，這些單位包括清華大學、中科院計算技術研究所、空軍第三研究所、海軍裝備論證中心等。其中，北京系統(tǒng)工程研究所對模糊方法在知識發(fā)現(xiàn)中的應用進行了較深入的研究，北京大學也在開展對數(shù)據立方體代數(shù)的研究，華中理工大學、復旦大學、浙江大學、中國科技大學、中科院數(shù)學研究所、吉林大學等單位開展了對關聯(lián)規(guī)則開采算法的優(yōu)化和改造；南京大學、四川聯(lián)合大學和上海交通大學等單位探討、研究了非結構化數(shù)據的知識發(fā)現(xiàn)以及Web數(shù)據挖掘。四. 研究內容1，數(shù)據挖掘的過程數(shù)據挖掘是指一個完整的過程，該過程從大型數(shù)據庫中挖掘先前未知的、有效的、可實用的信息，并使用這些信息做出決策或豐富知識。數(shù)據挖掘的一般過程如下流程圖所示：圖1，數(shù)據掘的一般過程 神經網絡神經網絡方法是模擬人腦神經元結構，以MP模型和Hebb學習規(guī)則為基礎。它主要有三種神經網絡模型：前饋式網絡、反饋式網絡、自組織網絡。為決策樹學習著眼于從一組無次序、無規(guī)則的事中推理出決策樹表示形式的分類規(guī)則。它采用自頂向下的遞歸方式，在決策樹的內部結點進行屬性值的比較并根據不同的屬性值判斷
黨政相關相關推薦
鄂ICP備17016276號-1