基于神经网络的数据挖掘工具地研究.pdfVIP

清华大学学报(自然科学版) 16／s7 1111兰篁!!童 !!!：!坠!!三!!!!!：!竺!!!型些!塞!垒至!!!量墼塑篁!!=!!里 数据库中知识发现的处理过程模型的研究 束廷劭，高 文，高正其，李锦涛 中国科学院计算技术研究所．北京100080 文摘数据库中的知识发现是利用学习箅往从数据库中发现有价值的知识的一个多步骤 的处理过程。奉支根据对实际上作的处埋过程的分析，提出了一种面向任务的KDD处 理过程的模型．该模型以分析任务为中心。下面首先介绍对实际工作过程的分析，然后 给出面向任务的KDD处理过程模型，并对该模型做洋细解释，晟后简译介绍根据该模 型实现的一个臆型系统。 关键词数据库中的知识发现：数据库：处理过程；过程模型 引言 inDatabase 数据库中的知识发现(KnowledgeDiscovery KDD)是近年来随着数据库 和人工智能技术的发展而出现的，它是从大量数据中提取出可信的、新颖的、有效的并 能被人理解的模式的高级处理过程。 由于数据挖掘在整个过程中起着重要的作用，目前所进行的关于KDD的研究．大多 只着眼：r对数据挖掘的研究，忽视了其他方面。而建立合适的处理过程模型能将各个处 理阶段有机地结合在一起，以便于人们开发及使用KDD应用系统。 KDD从夫量的数据中抽取出有价值的知识或信息，是一个数据分析过程。人工进行 数据分析…般采取F面1些处理步骡：分析任务的确定、任务的分析、数据提取、数据 分析和分析结果报告。整个过程是隔绕分析任务而进行的，任务在数据分析中起着十分 重要的作用。 1面向任务的数据库中知识发现的处理过程模型 根据对实际处理过程的分析，我们提出了面向任务的数据库中知识发现的处理过程 模型。该模型以用户的要求即系统任务为中心，通过对任务的分析，从数据库中提取出 有关的数据，对发现的知识，以不同方式显示给辟j户。图一给出了模型框图。 圈一：面向任务的数据库中知识发现的处理过程模型 朱廷劭，等：数据库中知识发现的处理过程模型的研究 63 F面介绍处理模型中的各个组成部分： ● 任务定义：面向任务的处理模型以任务定义为起点，为了完成知tI{发现任务，需要 对知识发现任务进行明确的定义。 ● 背景知识：背景知识主要描述所涉及的号业知识，一些分析经验以及育关的一些知 识。背景知识还应该包括数据库的一些信息。 ● 任务分析：分析任务确定厩，需要对其进行分析处理，将任务分解为两部分：知让3 种类及相关数据。 ● 数据提取：根据刘任务的分析，从数据库中将数据提取f{j来。 ● 数据预处理：预处理主要根据背景知识中的约束性规则对数据进行台法性检查。有 些预处理还包括对原始数据的再加：r。 ● 数据挖掘：利用统计学方法或机器学习尊法埘数据进行知识学习，得到隐藏在大餐 数据后的有用的信息。 ● 后处理：通过数据挖掘的知识，其有效性和新颖性需要给出评价，可以采用评价函 数对发现的知识进行度量．也可以将知识以某种方式呈现给用户。 在处理过程中，用户的参与非常重要，系统应该提供简单而功能强人的交互界面以便于 用户对处理全过程进行监控。同时处理过程也是一个不断重复的过程．通过不断的重复 修正处理过程中的某些参数设定，提高学习效率。 2实验系统 我们按照面向任务模型进行了语音基频变化规律的学习，荠实现了…个数据挖掘系 统--SpeechDM。 SpeechDM是我们为了学习基频变化规律而实现的一个面向语音数据处理的数据挖 掘系统，它主要由数据预处理、数据挖掘和后处理模块组成。数据预处理包括数据提取， 通过对语音数据的切分和标注，得到语音的基频值，在进行学习之前，对基频值串进行 了规整和标准化；数据挖掘主要是采用神经网络刘基颧变化规律进行学习：后处理主要 是将测试例的测试结果咀图形方式显示出米。 3结束语 我们进行的关于妯D处理模型的础}究刚W4开始，很多方面的T作仍在进行。 SpeechDM是我们面向语音数