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