数据挖掘第七章 复杂数据的挖掘
前面所介绍的数据挖掘方法主要是对关系数据库、交易数据库和由结构化数
据转换与集成过来的数据仓库中的内容进行挖掘。随着数据收集工具,先进的数
据库系统技术,以及互联网技术的迅速发展,不断获得巨量各种复杂形式的数据,
其中包括:结构化形式、非结构化形式、半结构化形式和多媒体形式等。因此数
据挖掘的一个重要任务就是挖掘复杂类型的数据,包括:复杂对象、空间数据、
多媒体数据、时序数据、文本数据和互联网信息。
本章将要讨论如何更进一步地研究发展基本的数据挖掘方法,如:定性归纳、
分类学习、关联挖掘和聚类分析等,以及如何设计出新的数据挖掘方法以处理复
杂类型的数据对象,以便从复杂信息海洋中挖掘出富有价值的知识来。第一节将
介绍多维分析与复杂对象描述性知识的挖掘;第二节介绍空间数据的挖掘;第三
节是关于多媒体数据挖掘;第四节是关于时序数据的挖掘;第五节则是关于文本
数据的挖掘;最后一节是关于互联网信息的挖掘。
许多商用数据仓库与多维数据库分析
工具的主要局限就是:它们对
维的描述与计算所涉及的数据类型均有限制。大多数数据立方(操作)的实现都
将维限制在非数值类型的数据描述;而计算方法也仅为简单的数值累计。为了将
数据挖掘引入包含复杂对象的多维数据分析,就需要了解对复杂结构对象是如何
进行泛化操作的,以及对象立方是如何构造的以便于
处理与对象数据库的
挖掘。
本节将详细介绍复杂对象的泛化操作是如何进行的。
存储与检索复杂结构数据的问题已在对象-系数据库和面向对象数据库系统
领域中进行了较长时间的研究。这些系统将一个大规模复杂数据对象按类(
)
进行组织;并将这些类构造成类
子类层次结构。一个类中的对象描述包括:(
)
一个对象标记;(
)一组可能包含复杂数据结构,如集合-值、列表-值、类别组
成层次、多媒体数据等属性;(
)一组对相应(复杂结构)对象进行相关计算与
处理的方法。
为了便于在这样(具有复杂结构)的数据库中进行泛化与归纳操作,就需要
对对象-关系数据库和面向对象数据库中的每类成分如何进行泛化,以及泛化后
的数据如何用于多维数据分析和数据挖掘的有关情况进行讨论。
- 1
- 2
- 3
前往页