数据挖掘技术及其在地学中的应用.doc

数据挖掘技术及其在地学中的应用 王钦军 ,薛林福 ( 长春科技大学 地球科学学院 ,吉林 长春 130026) 摘要 :数据挖掘 (Data Mining) 是一个极具有创新性的领域 ,其在天文 、商业等领域得到了广泛的应用 , 取得了一系列重要的应用成果 ,它在地学领域的应用潜力越来越受到人们的重视 。概括了数据挖掘的 6 种模式 ,2 种工具 ,7 种方法 ,探讨了其在地学中应用的前景和意义 。利用数据挖掘技术 ,人们可以从已获 得的大量数据中提取出可理解的模式 ,从而有效地认识地学信息中所隐藏的地质规律 ,发现新知识 。同时 数据挖掘技术的量化处理方法可以增强分析和解决地学问题的客观性 ,减少随意性 。 关键词 :数据挖掘 ;分类器 ;关联规则 中图分类号 : TP311 . 13 ; P5 文献标识码 :A 文章编号 :1004 - 5589 (2000) 03 - 0235 - 05 引 言 0 数据挖掘是指从数据集中识别出有效的 、新颖的 、潜在有用的 、最终可理解的模式 。数 据挖掘是数据库中的知识发现 ( KDD , Knowledge Discovery in Database) 的核心部分 ,一般把 KDD 等同于数据挖掘 。最近几年 , KDD 获得了学术界和工商界的广泛关注 , KDD 集成了信 息技术 、人工智能的许多数据分析方法 ,具有很强的实用性 ,它能够帮助人们对数据进行更 深层次的分析 ,更好地对研究及日常决策提供有力的支持 。 数据挖掘技术在地学中的应用具有很大的潜力 ,尤其是对地学信息的二次开发利用具 有重要意义 。它是一个极具有创新性的研究领域 ,大力开展这方面的研究将会有助于地学 中新理论 、新规律的发现 。 数据挖掘的步骤及其模式 1 数据挖掘是一有效的工具 ,它有着自己独特的模式 。各种模式在不同阶段 ,执行不同任 务时各自起着特殊的作用 ,而步骤则是实现各种模式的有力保证 。 数据挖掘包括如下步骤 : (1) 数据准备 :包括数据的选择 、净化 、推测 、转换数据缩减 。 (2) 数据挖掘 :采用的技术有 :决策树 、分类 、聚类 、粗糙集 、关联规则 、神经网络 、遗传算 子 。数据挖掘根据 KDD 的目标 ,选取相应算法的参数 ,得到可能形成知识的模式模型 。 (3) 评估 、解释模式模型 :上面得到的模式模型 ,需要评估以确定哪些是有效的模式 。 (4) 巩固知识 。 (5) 运用知识 ,包括 A : 只需看知识本身所描述的结果就可以对决策提供支持 ;B : 要求 收稿日期 :1999 - 12 - 17 作者简介 :王钦军 ,男 ,1975 年生 ,硕士 ,主要从事地理信息系统与地质学研究 1 对新的知识运用知识 ,由此可能产生新的问题 ,而需要对知识作进一步的优化 。 数据挖掘模式可分为以下 6 种 : 分类模式 它是一分类函数 ,能够把数据集中的数据相项影射到某个给定的类上 。分 类模式往往表现为一棵分类树 ,根据数据的值从树根开始有哪些信誉好的足球投注网站 ,沿数据满足的分支往上走 走到树叶就能确定类别 。 回归模式 回归模式与分类模式相似 ,它们的差别在于分类模式的预测值是离散的 ,回 归模式的预测值是连续的 。 时间序列模式 根据数据随时间变化的趋势预测将来的值 。 聚类模式 关联模式 序列模式 把数据分到不同的组中 ,组间差别尽可能大 ,组内差别尽可能小 。 关联模式是数据之间的关联规则 。 序列模式和回归模式相仿 ,而把数据之间的关系与时间联系起来 。 在解决实际问题时 ,经常要使用各种模式 。分类模式与回归模式是最普遍的模式 。 数据挖掘工具 2 上述各种模式在数据挖掘中起着非常重要的作用 ,而作为数据挖掘基础的数据挖掘工 具则是重中之重 ,数据挖掘的两个分类工具是 : 分类器 :在已有数据的基础上学会一个分类函数或构造出一个分类模型 。该函数或模 型能够把数据库中的数据记录或元组构成影射到给定类别中的某一个 ,从而可进行数据预 测 。 关联规则 :关联规则是描述在一个事务中物品之间同时出现的规律 ,或者说是通过量化 的数据描述物品甲的出现对物品乙的出现有多大的影响 。一般用四个参数来描述关联规则 的属性 : (1) 可信度 :在出现了物品集 A 的事务 T 中 ,物品集 B 也同时出现的概率有多大 。 (2) 支持度 :描述了 A 、B 这两个物品集的并集 C 在所有事务中出现的概率有多大 。 (3) 期望可信度 :在没有任何条件影响时物品集 B 在所有的事务中所出现的概率 。 (4) 作用度 :是可信度与期望可信度的比值 。它描述了物品集 A 的出现对物品集 B 的 造 、通信和网络管理都得以广泛应用 ,其在地学中的应用可表现在以下几个方面 : 空间数据