基于云模型的數(shù)據(jù)挖掘算法的研究與應(yīng)用

《基于云模型的數(shù)據(jù)挖掘算法的研究與應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、上海交通大學(xué)博士學(xué)位論文基于云模型的數(shù)據(jù)挖掘算法的研究與應(yīng)用姓名：田永青申請(qǐng)學(xué)位級(jí)別：博士專業(yè)：控制理論與控制工程指導(dǎo)教師：朱仲英20030701上海交通大學(xué)博士學(xué)位論文基于云模型的數(shù)據(jù)挖掘算法的研究與應(yīng)用摘要隨著計(jì)算機(jī)技術(shù)和數(shù)據(jù)倉(cāng)庫(kù)技術(shù)的快速發(fā)展存儲(chǔ)的數(shù)據(jù)急劇增長(zhǎng)而傳統(tǒng)的數(shù)據(jù)分析和查詢方法已經(jīng)不能滿足人們對(duì)隱含在數(shù)據(jù)中的知識(shí)的渴求數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘應(yīng)運(yùn)而生并得到迅速發(fā)展數(shù)據(jù)挖掘是數(shù)據(jù)庫(kù)人工智能模式識(shí)別和統(tǒng)計(jì)分析等學(xué)科相互交叉結(jié)合的前沿性研究領(lǐng)域在工程實(shí)踐中也得到了一些應(yīng)用獲得了較為滿意的效果但是在處理知識(shí)的不確定性方面還存在

2、許多問(wèn)題而模糊理論和云模型尤其是云模型正是處理知識(shí)的不確定性的很好的工具所以本文著重研究云模型在數(shù)據(jù)挖掘算法中的應(yīng)用并著重研究了一些挖掘算法詳細(xì)地說(shuō)明了云模型如何在數(shù)據(jù)挖掘中的應(yīng)用本文對(duì)基于云模型的知識(shí)發(fā)現(xiàn)方法進(jìn)行了深入而系統(tǒng)的研究在總結(jié)現(xiàn)有方法的基礎(chǔ)上不僅對(duì)一些方法進(jìn)行了改進(jìn)而且也提出了一些新的方法本文工作主要包括以下內(nèi)容(1)數(shù)據(jù)倉(cāng)庫(kù)成為近年來(lái)主要的數(shù)據(jù)存儲(chǔ)形式因此基于數(shù)據(jù)倉(cāng)庫(kù)的挖掘也就出現(xiàn)新的問(wèn)題數(shù)據(jù)倉(cāng)庫(kù)的存量巨大數(shù)據(jù)類型豐富具有的模糊性也更強(qiáng)本文在一般的基于數(shù)據(jù)倉(cāng)庫(kù)基礎(chǔ)之上的數(shù)據(jù)挖掘系統(tǒng)的結(jié)構(gòu)的基礎(chǔ)之上提出了一種基于稅務(wù)系統(tǒng)

3、數(shù)據(jù)倉(cāng)庫(kù)的模糊數(shù)據(jù)挖掘的算法本算法結(jié)合了人類的思維方式挖掘出更具有人性化的規(guī)則更容易讓人理解從而使知識(shí)的表達(dá)更接近于現(xiàn)實(shí)(2)本文提出了用云模型進(jìn)行關(guān)聯(lián)規(guī)則挖掘的新方法并給出了一種云關(guān)聯(lián)規(guī)則提取算法CloudModelA本文提出的云關(guān)聯(lián)規(guī)則用定義在數(shù)量屬性論域上的正態(tài)隸屬云替代對(duì)屬性論域的劃分由于正態(tài)隸屬云可以在集合元素和非集合元素之間提供非常平滑的變遷從而克服劃分邊界過(guò)硬的缺點(diǎn)在實(shí)踐中這種算法的結(jié)果還是令人滿意的并且本文的預(yù)測(cè)算法在實(shí)際中的效果也是令人滿意的(3)本文在云模型的基礎(chǔ)上提出了一種云神經(jīng)網(wǎng)絡(luò)算法這種算法結(jié)合了云模型與神

4、經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)結(jié)合了模糊性和隨機(jī)性結(jié)合了神經(jīng)網(wǎng)絡(luò)的很強(qiáng)的學(xué)習(xí)能力本文并且詳細(xì)地介紹了云神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和學(xué)習(xí)算法(4)提出了一種基于五層云神經(jīng)網(wǎng)絡(luò)的決策樹(shù)生成方法首先運(yùn)用五層云神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)變量間的云映射關(guān)系然后從中生成云決策樹(shù)這種方法利用了五層云神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)后的云映射強(qiáng)度并能實(shí)現(xiàn)云決策樹(shù)的剪枝優(yōu)化從而提高算法的正確率和效率(5)詳細(xì)地分析了稅收模型在分析的基礎(chǔ)上選影響稅收的主要因素國(guó)內(nèi)生產(chǎn)總值(GDP)職工工資總額(TW)財(cái)政支出(TE)政策因素(V)作為預(yù)測(cè)模型的輸入量并且I上海交通大學(xué)博士學(xué)位論文在云神經(jīng)網(wǎng)絡(luò)的算法的基礎(chǔ)上提出了基于

5、云神經(jīng)網(wǎng)絡(luò)的稅收預(yù)測(cè)模型其次在RBF神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上提出了基于RBF神經(jīng)網(wǎng)絡(luò)的稅務(wù)預(yù)測(cè)模型并且在兩者的基礎(chǔ)上進(jìn)行了仿真從結(jié)果的比較和分析可以看出云神經(jīng)網(wǎng)絡(luò)算法的結(jié)果更優(yōu)(6)簡(jiǎn)要地介紹了決策樹(shù)方法和基本算法框架并就決策樹(shù)與云決策樹(shù)進(jìn)行了比較然后詳細(xì)地提出了云決策樹(shù)的算法詳細(xì)地說(shuō)明了準(zhǔn)確地表達(dá)測(cè)量和把認(rèn)知的不確定性結(jié)合進(jìn)分類問(wèn)題的知識(shí)推理過(guò)程本文提出的云模型決策樹(shù)的推理方法有以下優(yōu)點(diǎn)云模型有效地結(jié)合隨機(jī)性和模糊性語(yǔ)言值的軟邊界包容了人類思想和感覺(jué)的含糊性和模糊性允許在分類問(wèn)題中認(rèn)識(shí)不確定性的表示這個(gè)方法為決策者提供了更多的信息例如規(guī)則

6、的真實(shí)程度和分類的隸屬度這個(gè)容忍缺少信息所以它是更加魯棒的這個(gè)方法提供的隸屬度是更加精確它確切地表示了專家的經(jīng)驗(yàn)提取出來(lái)的規(guī)則更趨于自然更具有人性化在現(xiàn)實(shí)中更容易讓人理解(7)簡(jiǎn)要地介紹了稅務(wù)決策支持系統(tǒng)中數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)的設(shè)計(jì)方案體系結(jié)構(gòu)和若干關(guān)鍵問(wèn)題的解決方法詳細(xì)地給出了山東省某地稅局基于數(shù)據(jù)倉(cāng)庫(kù)的決策支持系統(tǒng)的建立過(guò)程目標(biāo)方法和步驟本文研究的數(shù)據(jù)挖掘算法是這個(gè)系統(tǒng)的一個(gè)重要組成部分正因?yàn)楸疚牡臄?shù)據(jù)挖掘算法才使本決策支持系統(tǒng)挖掘出來(lái)的信息和知識(shí)更容易讓人接受更容易讓領(lǐng)導(dǎo)接受總結(jié)全文本文有如下幾個(gè)創(chuàng)新點(diǎn)(1)提出了一種基于稅務(wù)系統(tǒng)數(shù)據(jù)

7、倉(cāng)庫(kù)的模糊數(shù)據(jù)挖掘的算法(2)(3)在云模型的基礎(chǔ)上提出了一種云神經(jīng)網(wǎng)絡(luò)算法在詳細(xì)地分析了稅收模型的基礎(chǔ)上提出了一種基于云神經(jīng)網(wǎng)絡(luò)的稅收預(yù)測(cè)模型(4)詳細(xì)地提出了一種云決策樹(shù)的生成算法關(guān)鍵詞數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)挖掘云模型模糊理論關(guān)聯(lián)規(guī)則神經(jīng)網(wǎng)絡(luò)決策樹(shù)II上海交通大學(xué)博士學(xué)位論文RESEARCHONTHEORYANDAPPLICATIONOFDATAMININGBASEDONCLOUDMODELABSTRACTWiththerapiddevelopmentofcomputeranddatawarehousetechniques,largeam

8、ountofdataisstored.Therapidgrowthdemandforextracting,understandingandassimilatingusefulknowledgefromthegrowingmountai