| 【中文题名】 | 基于背景知识的关系数据分类算法的研究 |
| 【英文题名】 | Research on Algorithm for Relational Data Classification Based on Background Knowledge |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-30 |
| 【中关键词】 | 关系数据挖掘,关系数据,分类算法,关系决策树,贝叶斯分类, |
| 【英关键词】 | Relational data mining,relational data,relational classification algorithm,relational decision tree,Bayesian Classifier, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>专家系统、知识工程> |
| 【论文摘要】 |
数据挖掘技术将传统的数据分析方法与处理大量数据的复杂算法相结合。数据挖掘为探查和分析新的数据类型以及用新方法分析旧有数据类型提供了良好的机会。数据挖掘的目的是从大量的数据中找出先前未知的有用模式。关系数据挖掘作为数据挖掘的一个分支,已经成为近年来的研究热点。本文着重对关系数据的分类方法进行了研究。
首先,本文对关系数据挖掘理论进行了深入的研究,通过对大量实例的分析和研究,提出了对关系数据库中各种表之间的关联关系进行分类和评价的标准,分别从形式上和含义上对关系数据库中各种表之间的关联关系进行了分类和评价。
其次,提出了一种基于背景知识的关系数据分类算法。该算法能够通过构建关系决策树的方式实现关系数据分类。算法采用了信息增益作为属性的评价标准,并引入了元组ID传播技术,能够将背景知识表中的有用信息加入到目标关系表中,对当前分类起到了指导的作用。此外,该算法克服了传统数据挖掘算法不能直接支持关系数据库的缺点。
再次,提出了一种用户指导的关系数据分类算法。该算法改进了朴素贝叶斯分类算法,引入了用户指导的概念,减少了系统独自搜寻有用属性的时间,提高了用户的满意程度。该算法可以直接支持关... |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
ABSTRACT |
6-9 |
|
第1章 绪论 |
9-15 |
|
1.1 关系数据挖掘技术简介 |
9-11 |
|
1.2 关系数据挖掘的研究现状 |
11-13 |
|
1.3 课题的主要研究内容及论文的组织结构 |
13-15 |
|
第2章 关系数据挖掘方法的研究 |
15-27 |
|
2.1 关系数据挖掘产生的背景和原因 |
15-17 |
|
2.2 归纳逻辑程序设计方法 |
17-20 |
|
2.3 贝叶斯网络一阶拓展方法 |
20-24 |
|
2.4 多关系数据挖掘方法 |
24-26 |
|
2.5 本章小结 |
26-27 |
|
第3章 关联关系的分类方法 |
27-39 |
|
3.1 引言 |
27 |
|
3.2 关系数据挖掘基本定义 |
27-32 |
|
3.3 关联关系的分类与评价 |
32-38 |
|
3.4 本章小结 |
38-39 |
|
第4章 对关系数据分类算法的研究 |
39-59 |
|
4.1 基本定义 |
39-40 |
|
4.2 一种基于背景知识的关系数据分类算法 |
40-49 |
|
4.3 一种用户指导的关系数据分类算法 |
49-57 |
|
4.4 本章小结 |
57-59 |
|
第5章 实验及结果分析 |
59-69 |
|
5.1 引言 |
59 |
|
5.2 RDT 算法的实现与分析 |
59-64 |
|
5.3 RBC 算法的实现与分析 |
64-67 |
|
5.4 本章小结 |
67-69 |
|
结论 |
69-71 |
|
参考文献 |
71-76 |
|
攻读硕士学位期间承担的科研任务与主要成果 |
76-77 |
|
致谢 |
77-78 |
|
作者简介 |
78 |
|
| 【DOI】 | LunWen.ID:2.2008.388642 |
