基于数据仓库的知识发现策略研究

基于数据仓库的知识发现策略研究

论文摘要

随着用户对知识需求层次的提高,越来越多的人早已不满足于以往所得到的知识,为了应对这一趋势,本文研究的主要问题集中在提高知识发现的效率,尤其是随着数据库技术的飞速发展,各种存储着复杂数据类型的数据仓库给数据库知识发现提出更加严峻的考验。本文主要提出了基于数据仓库的数据库知识发现策略问题,即算法可伸缩策略和过程驱动策略两大策略,并提出了基于这二种策略的一种新知识发现模型。本文的主要难点在于本文着重解决一般数据挖掘过程在数据仓库的环境下进行知识发现的策略优化问题,提高数据挖掘效率,使数据、信息能迅速转化为可为用户利用和决策支持的知识;以及对不同数据选择不同数据挖掘算法策略的提出。使这种选择策略能成为连接基于数据仓库的知识发现与挖掘算法之间的有效桥梁,不论是对专家还是初学者都能有效地驾驭数据挖掘算法进行数据仓库的知识发现。在本文的研究过程中,作者通过大量的阅读和学习与数据仓库知识发现相关的书籍、文献资料和相关理论,使论文研究的理论基础比较厚重,并通过对现有有关数据库知识发现和数据仓库知识发现的研究成果的学习和研究,归纳和总结了一些数据挖掘策略的优缺点,从而分析了本文所提出的策略的可行性。力争为基于数据仓库的知识发现理论的研究提供若干参考,同时不论对企业还是个人用户的实际操作都能有一定的指导意义。

论文目录

  • 中文摘要
  • Abstract
  • 第一章 绪论
  • 第一节 基于数据仓库的知识发现策略研究的背景与现实意义
  • 一、本文研究的理论意义
  • 二、本文研究的实践意义
  • 第二节基于数据仓库的知识发现策略研究的国内外研究现状
  • 一、国内外研究现状
  • 二、同类课题发展趋势
  • 第三节 数据仓库的概念
  • 一、什么是数据仓库
  • 二、数据仓库与数据库的区别
  • 三、数据仓库的发展
  • 四、数据仓库的三要素
  • 第二章 知识发现的基本原理
  • 第一节 知识发现的概念
  • 第二节 KDD 过程
  • 第三节 知识发现的任务
  • 第四节 知识发现的核心----数据挖掘技术
  • 一、数据挖掘概述
  • 二、数据挖掘的主要任务
  • 三、数据挖掘主要问题
  • 第三章 知识发现的算法可伸缩性策略
  • 第一节 以往数据算法的局限
  • 一、ID3 算法
  • 二、C4.5 算法
  • 三、SLIQ 算法
  • 四、SPRINT 算法
  • 第二节 可伸缩性策略的提出
  • 第三节 具体实施
  • 一、数据的清洗与转换
  • 二、多关系关联规则分析
  • 三、可伸缩算法举例
  • 第四节 评价
  • 第四章 知识发现的过程驱动策略
  • 第一节 验证驱动的相关操作技术
  • 一、查询和报告
  • 二、多维关系分析
  • 三、统计分析
  • 第二节 发现驱动的相关操作介绍
  • 第三节 发现驱动的数据挖掘技术
  • 一、有指导归纳法
  • 二、关联发现
  • 三、聚类
  • 四、数据泛化与归纳
  • 第四节 过程驱动小结
  • 第五章 一种基于过程驱动的可伸缩性知识发现模型
  • 第一节 模型的相关概念简述
  • 第二节 模型的设计
  • 一、数据处理
  • 二、客户端
  • 三、数据挖掘
  • 第三节 小结与评价
  • 第六章 结论与展望
  • 第一节 本文研究的局限
  • 第二节 未来研究展望
  • 致谢
  • 参考文献
  • 相关论文文献

    • [1].浅谈数据挖掘与数据库知识发现[J]. 硅谷 2009(18)
    • [2].一种基于蜂群算法的数据库知识发现过程的研究[J]. 湖南师范大学自然科学学报 2014(02)
    • [3].基于数据库知识发现的员工流失预测[J]. 科技与创新 2019(14)
    • [4].本期专论导读[J]. 医学信息学杂志 2013(05)
    • [5].基于大数据的计算机数据挖掘在档案管理上的应用[J]. 通讯世界 2017(18)
    • [6].我国中药信息系统存在的问题与对策[J]. 时珍国医国药 2009(10)
    • [7].基于专家系统的学习目标规划系统[J]. 现代计算机(专业版) 2014(17)
    • [8].中药信息量子化研究[J]. 江西中医学院学报 2008(02)
    • [9].中文检索平台知识发现功能比较研究[J]. 情报探索 2016(01)
    • [10].基于特征加权与特征选择的数据挖掘算法研究[J]. 电子技术与软件工程 2015(15)
    • [11].机会发现及其在情报学方面的应用[J]. 情报科学 2011(02)
    • [12].基于概念格的知识获取[J]. 科技创业月刊 2010(06)
    • [13].数据挖掘与知识发现关系探析[J]. 情报理论与实践 2008(04)
    • [14].DM在分析客户忠诚度的应用[J]. 商场现代化 2008(34)
    • [15].模糊粗糙集理论在变压器故障诊断中的应用[J]. 中国电机工程学报 2008(07)
    • [16].数据挖掘之聚类分析算法综述[J]. 通讯世界 2017(16)
    • [17].一种基于关联分析的铝电解生产辅助控制方法[J]. 计算机应用研究 2009(02)
    • [18].不完备信息系统下空缺数据处理方法的分析比较[J]. 海南师范大学学报(自然科学版) 2008(04)
    • [19].一种基于函数依赖的数据清洗方法[J]. 信息通信 2017(04)
    • [20].基于关联规则的数据库知识发现及应用[J]. 商场现代化 2009(05)
    • [21].浅谈知识发现与统计学的异同[J]. 甘肃科技 2008(08)
    • [22].一种基于概念格的规则提取方法及其应用[J]. 计算机科学 2012(S3)

    标签:;  ;  ;  ;  

    基于数据仓库的知识发现策略研究
    下载Doc文档

    猜你喜欢