持續(xù)時態(tài)數(shù)據(jù)挖掘及其實現(xiàn)機制

內(nèi)容概要

在數(shù)據(jù)資源中存在著許多隨時間變化且不同時間狀態(tài)相互關聯(lián)的數(shù)據(jù)，郰時態(tài)數(shù)據(jù)，如股市交易指數(shù)、超市銷售、Web訪問流、氣象觀測、臨床數(shù)據(jù)等。近幾年，急劇增加的時態(tài)數(shù)據(jù)已經(jīng)遠遠超出了人類的直接理解能力，大量的處理需求使TDM成為數(shù)據(jù)挖掘領域的重要分支。但是，從實際應用情況來看卻與學術研究極不相稱，特別是應用中難以實現(xiàn)自治、持續(xù)的時態(tài)數(shù)據(jù)挖掘支持機制，而這種機制是歸納分析數(shù)據(jù)和規(guī)則變化趨勢所必需的。本書試圖在數(shù)據(jù)倉庫環(huán)境中，以高階數(shù)據(jù)挖掘和領域知識融合為研究線索，為實現(xiàn)持續(xù)的時態(tài)數(shù)據(jù)挖掘過程提供理論和應用方法，形成及時發(fā)現(xiàn)事物動態(tài)演化規(guī)律的有效機制。

作者簡介

潘定，副教授／高級工程師，博士研究生導師，現(xiàn)任暨南大學商務智能研究中心副主任。華中科技大學計算機軟件專業(yè)畢業(yè)，工學學士；廈門大學管理學(會計)碩士；西安交通大學計算機科學與技術專業(yè)畢業(yè)，工學博士；曾在日本AOTS、NTT中央學園等留學研修，1995年獲國家計算機專業(yè)技術系統(tǒng)分析員水平證書。     
　　1983年起從事計算機信息系統(tǒng)的研究與開發(fā)工作，曾就職于福建省經(jīng)濟信息中心，現(xiàn)在暨南大學管理學院任教。主要研究領域：商務智能、數(shù)據(jù)挖掘和信息管理等。    
　　近年主持和完成國家自然科學基金項目、科技部創(chuàng)新基金項目等國家級、省部級項目10多項。研究成果獲中國圖書獎、國家科技進步獎、國家科技攻關重大成果獎4項，省部級科技進步獎、社科優(yōu)秀成果獎和科技成果獎6項。近兩年在《軟件學報》、《模式識別與人工智能》和《控制與決策》等國內(nèi)外權威、核心刊物和國際會議發(fā)表學術論文50余篇，其中獨撰或第一作者論文被SCI／EI般錄15篇。

書籍目錄

第1章  緒論　1.1  研究背景　1.2  研究內(nèi)容及其目標　1.3  本書的基本框架　參考文獻第2章  持續(xù)數(shù)據(jù)挖掘及其支持技術　2.1  經(jīng)典數(shù)據(jù)挖掘過程　2.2  數(shù)據(jù)和規(guī)則的動態(tài)演化問題　2.3  持續(xù)數(shù)據(jù)挖掘的模型和架構　2.4  規(guī)則變化監(jiān)測與增量挖掘方法　2.5  已有知識與挖掘過程的融合　2.6  小結　參考文獻第3章  時態(tài)數(shù)據(jù)挖掘技術　3.1  時態(tài)數(shù)據(jù)挖掘任務　3.2  序列距離度量　3.3  序列表示和搜索　3.4  挖掘任務　3.5  增量挖掘與高階數(shù)據(jù)挖掘　3.6  未來研究方向　3.7  小結　參考文獻第4章  時態(tài)數(shù)據(jù)挖掘的形式化　4.1  引言　4.2  時態(tài)數(shù)據(jù)挖掘問題　4.3  時態(tài)數(shù)據(jù)挖掘的形式化　4.4  分段有限模型　4.5  高階數(shù)據(jù)挖掘　4.6  小結　參考文獻第5章  基于信息擴散原理的度量值估計　5.1  引言　5.2  模糊信息與信息擴散原理　5.3  度量值的參數(shù)估計　5.4  實驗與討論　5.5  小結　參考文獻第6章  持續(xù)時態(tài)數(shù)據(jù)挖掘的體系結構　6.1  引言　6.2  C-DM過程模型　6.3  C-DM體系結構　6.4  本體服務機制　6.5  原型實驗　6.6  規(guī)則分類評價　6.7  小結　參考文獻第7章  數(shù)據(jù)倉庫中的元數(shù)據(jù)管理　7.1  研究背景　7.2  數(shù)據(jù)倉庫中的元數(shù)據(jù)管理　7.3  元數(shù)據(jù)管理標準　7.4  元數(shù)據(jù)管理體系結構　7.5  元數(shù)據(jù)管理特性　7.6  萄用元數(shù)據(jù)管理系統(tǒng)　7.7  小結　參考文獻第8章  輕量級本體存儲庫系統(tǒng)　8.1  引言　8.2  存取和操縱本體的需求　8.3  本體存儲庫的體系結構　8.4  本體存儲庫元模型　8.5  輕量級本體存儲庫的實現(xiàn)　8.6  小結　參考文獻第9章  基于CWM的實時分布元數(shù)據(jù)管理　9.1  引言　9.2  元數(shù)據(jù)管理的需求　9.3  公共倉庫元模型　9.4  實時分布元數(shù)據(jù)管理體系結構　9.5  基于模型管理的實現(xiàn)描述　9.6  實驗與討論　9.7  小結　參考文獻第10章  總結與展望

章節(jié)摘錄

　　第1章 緒論　　1.1 研究背景　　數(shù)據(jù)是人們用各種工具和手段觀察外部世界所得到的原始材料，它本身并沒有什么直接的價值，有價值的是蘊藏在其中的信息和知識。隨著信息技術的快速發(fā)展、互聯(lián)網(wǎng)的廣泛普及，人們獲取、儲存數(shù)據(jù)的手段和方式已變得非常便捷和廉價。數(shù)據(jù)的增長積累速度已遠遠超過數(shù)據(jù)總結和分析能力的提升速度，致使各行業(yè)的數(shù)據(jù)量以空前的速度急速增長。因而，一方面有大量的“數(shù)據(jù)過剩”；而另一方面卻又嚴重地“信息匱乏”。如何開發(fā)宜于從海量數(shù)據(jù)中自動、高效地提取所需的有用知識，已成為眾學科共同關注的焦點?！　?shù)據(jù)庫中知識發(fā)現(xiàn)是適應這一現(xiàn)實要求而發(fā)展起來的一種數(shù)據(jù)分析技術。KDD是指從數(shù)據(jù)中識別出有效、新穎、潛在有用的和最終可理解的模式或規(guī)則的非平凡過程。KDD是一個多階段的處理過程，可能需要多次的反復循環(huán)和調(diào)整。這些典型的處理包括數(shù)據(jù)存儲、目標數(shù)據(jù)選擇、清洗、預處理、交換和縮減、數(shù)據(jù)挖掘、結果評價和解釋等步驟。通常KDD可簡要地概括為:數(shù)據(jù)準備、實施挖掘及結果評價和解釋三個主要階段?！　DD是一個介于統(tǒng)計學、機器學習、模式識別、數(shù)據(jù)庫技術、數(shù)據(jù)可視化和并行計算等領域的交叉新興學科，也因此有了許多不同的術語和名稱。除KDD之外，主要有“數(shù)據(jù)挖掘”、“智能數(shù)據(jù)分析”、“信息發(fā)現(xiàn)”、“探索式數(shù)據(jù)分析”，等等?！　　?/pre>








圖書封面






評論、評分、閱讀與下載



還沒讀過(48)
勉強可看(353)
一般般(603)
內(nèi)容豐富(2500)
強力推薦(205)


 


    持續(xù)時態(tài)數(shù)據(jù)挖掘及其實現(xiàn)機制 PDF格式下載