计算机研究 -聚类方法及应用研究.pdf
版权申诉
113 浏览量
2022-06-30
11:27:32
上传
评论 1
收藏 1.7MB PDF 举报
ｉ．１数据挖掘及应用领域
第一章引言
１．１．Ｉ数据挖掘的定义及其发展历程
数据挖掘（Ｄａｔａ
Ｍｉｎｉｎｇ）就是从大量的、不完全的、有噪声的、模糊的、随
机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和
知识的过程．许多人把数据挖掘视为另一个常用术语“数据库中的知识发现”的
同义词．而另一些人只把数据挖掘视为数据库中的知识发现过程的～个基本步
骤［１］．发现了的知识可以被用于决策支持、过程控制、信息管理、查询优化等，
还可以用于数据自身的管理和维护．因此，数据挖捌是一门广义的交叉学科，它
汇聚了不同领域的研究者，尤其是数据库、人工智能、数理统计、可视化、并行
计算等方面的学者和工程技术人员．
１９８９年８月，在美国底特律召开的第ｌｌ届国际人工智能联合会议的专题讨
论会上，“数据库中的知识发现”（ＫＤＤ：Ｋｎｏｗｌｅｄｇｅ
Ｄｉｓｃｏｖｅｒｙ
ｉｎ
Ｄａｔａｂａｓｅ）
这一概念首次被提出．在１９９１、１９９３和１９９４年都举行了数据挖掘专题讨论会．
随着参加会议人数的增多，从１９９５年开始，每年都举办一次有关数据挖掘技术研
究的国际会议．１９９７年，介绍数据挖掘研究的杂志《知识发现与数据挖掘》创刊．
随着数据挖掘研究的不断深入，其研究成果越来越受到业界的关注．众多的数据
挖掘与知识发现系统和工具不断投入市场．较有代表性的数据挖掘工具主要有：
美国Ｇｅｏｒｇｅ
Ｍａｓｏｎ大学Ｒｙｓｚａｒｄ
Ｓ
Ｍｉｃｈａｌｓｋｉ领导开发的ＩＮＫＥＮ系统，它结合了
数据库、知识库和一个适用范围较宽的机器学习技术来辅助数据分析专家从数据
库或知识库中抽取知识并发现有价值的规律：美国Ｋａｎｓａｓ大学开发的ＬＥＲＳ系统，
是基于粗集理论的数据挖掘工具；美国ＳＰＳＳ公司研制了著名的数据挖掘工具箱
Ｃｌｅｍｅｎｔｉ
ｒｉｇ，Ｃｌｅｍｅｎｔｉｎｅ主要使用了神经网络、决策树和规则推导等技术，在实
际应用中取得了很好的效果；美国德士古公司的ＧｅｏＰｒｏｂｅ数据挖掘系统对地震
剩余71页未读，继续阅读
资源评论
programyp
- 粉丝: 86
- 资源: 1万+
