基于粒计算的数据挖掘研究及应用

论文摘要

数据挖掘技术具有较高的有效性和良好的可操作性,被广泛应用于各个领域。近年来,基于数据挖掘技术的研究方法不断涌现:如基于决策树分类、统计分类、贝叶斯分类、神经网络等方法均能有效解决小规模数据库的数据挖掘问题。面对海量数据处理,人们提出了用不同粒度或不同概念层观测问题,从不同的粒度中得到不同层次的信息和知识,满足人们对不同层次知识的要求。粒计算是人工智能领域中的一种新理念和新方法。粒计算方法凭借自身的特质在数据挖掘中显示出较大的优势。它主要用于解决海量数据的挖掘和复杂问题的求解,通过系统访问粒结构来解决问题。本文在对数据挖掘和粒计算相关技术进行深入研究的基础上,将粒计算与数据挖掘方法相结合,建立了基于粒计算的数据挖掘模型,给出基于粒计算的数据挖掘模型的关联规则算法。应用此方法对阅马场城市隧道监控交通数据信息数据挖掘方法进行改进,构建了基于粒计算的商空间挖掘模型,结合时间粒度概念进行了相关划分。研究工作表明,运用此方法对数据仓库在不同层次的粒度问题进行处理,在保证数据挖掘的精度的前提下可以提高系统的效率。论文还将粒计算与遗传算法相结合,用于地基改良工程中单桩极限承载力预测问题的研究,通过大型桥梁的相关系数、桩参数和桩所在环境的土质参数等已知条件,对桩承载力进行有效的预测,研究结果表明粒计算在解决复杂问题方面有一定的优势,粒计算与遗传算法相结合的方法有较高的预测精度。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 本文研究背景
• 1.2 国内外研究现状
• 1.3 论文的结构安排
• 第2章 数据挖掘技术概述
• 2.1 数据挖掘的定义
• 2.2 数据仓库技术
• 2.3 数据挖掘的任务
• 2.4 数据挖掘的过程
• 2.5 数据挖掘采用的技术及分析方法
• 2.5.1 神经网络方法
• 2.5.2 决策树方法
• 2.5.3 遗传算法
• 2.5.4 模糊集方法
• 2.5.5 可视化技术
• 2.5.6 支持向量机
• 2.6 本章小结
• 第3章 粒计算理论
• 3.1 粒计算的基本概念
• 3.2 粒计算理论的基本问题及内容
• 3.2.1 粒化
• 3.2.2 粒的计算
• 3.3 粒计算理论的主要模型
• 3.3.1 基于模糊信息粒化理论模型
• 3.3.2 基于粗糙集理论的粒计算模型
• 3.3.3 商空间理论的粒计算模型
• 3.3.4 相容粒度空间模型
• 3.4 粒计算理论的应用
• 3.4.1 图形图像处理
• 3.4.2 海量数据挖掘
• 3.4.3 模式识别与智能控制
• 3.4.4 复杂问题求解
• 3.5 本章小结
• 第4章 基于粒计算的数据挖掘模型
• 4.1 建模理论
• 4.2 功能设计
• 4.3 粒计算的数据挖掘模型
• 4.3.1 数据预处理模块
• 4.3.2 约简模块
• 4.3.3 基于规则挖掘模块
• 4.3.4 决策应用模块
• 4.4 基于粒计算的数据挖掘算法
• 4.4.1 基于粒计算的关联挖掘算法基本定义
• 4.4.2 基于粒计算的关联挖掘的算法思想
• 4.5 本章小结
• 第5章 基于粒计算的数据挖掘模型的应用
• 5.1 商空间粒计算理论方法
• 5.1.1 商空间理论基础
• 5.1.2 粒度理论
• 5.1.3 拓扑空间
• 5.1.4 拓扑结构的合成
• 5.2 基于粒计算的商空间模型在交通信息仓库中应用
• 5.2.1 交通信息数据处理系统模型
• 5.2.2 交通信息仓库的数据立方体
• 5.2.3 基于粒计算的商空间理论模型中的时间粒度
• 5.2.4 不同层的粒度挖掘
• 5.2.5 相同层的粒度挖掘
• 5.3 基于粒计算的桩承载性能智能预测中的应用
• 5.3.1 大型桥梁打入桩承载性能的预测
• 5.3.2 桩承载力模型相关粒度
• 5.3.3 粒度桩承载力预测模型
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 附录:攻读硕士学位期间发表的论文