002数据挖掘.pptx

数据挖掘（基于认知的复杂数据对象的知识发现技术）;2 知识发现的基本概念;数据、信息、知识;数据、信息、知识的关系;... 10, M, 0, 10, 10, 0, 0, 0, SUBACUTE, 37, 2, 1, 0,15,-,-, 6000, 2, 0, abnormal, abnormal,-, 2852, 2148, 712, 97, 49, F,-,multiple,,2137, negative, n, n, ABSCESS,VIRUS 12, M, 0, 5, 5, 0, 0, 0, ACUTE, 38.5, 2, 1, 0,15, -,-, 10700,4,0,normal, abnormal, +, 1080, 680, 400, 71, 59, F,-,ABPC+CZX,, 70, negative, n, n, n, BACTERIA, BACTERIA 15, M, 0, 3, 2, 3, 0, 0, ACUTE, 39.3, 3, 1, 0,15, -, -, 6000, 0,0, normal, abnormal, +, 1124, 622, 502, 47, 63, F, -,FMOX+AMK, , 48, negative, n, n, n, BACTE(E), BACTERIA 16, M, 0, 32, 32, 0, 0, 0, SUBACUTE, 38, 2, 0,　0, 15, -, +, 12600, 4, 0,abnormal, abnormal, +, 41, 39, 2, 44, 57, F, -, ABPC+CZX, ?, ? ,negative, ?, n, n, ABSCESS,　VIRUS ... ;;;;中医临床数据——全文数据库;中医临床数据——结构化数据库;数据及数据分类;实例——科学数据库 ; Internet已经成为最大的信息源，但缺乏集中统一的管理机制, 信息发布具有自由性和任意性, 难于控制和管理 分散、无序、无政府、变动、数量、包罗万象 真伪并存, 资源信息和非资源信息难于驾御 非规范、非结构 检索查全和查准提出新的挑战 多媒体、多语种、多类型信息的整合提出新的挑战 跨国界数据传递和流动, 带来政治、文化新问题 集成多种(正式和非正式等)交流方式;数据及数据分类;数据及数据分类;数据及数据分类;数据及数据分类;数据分类;大数据特点;大数据特点;大数据特点;数据特点;数据特点;知识定义;培根的知识定义;思维科学将知识定义;认知科学将知识定义;知识工程的知识定义;知识定义具有以下共同的特点：;人工智能知识表示形式;人工智能知识表示形式;人工智能知识表示形式;知识表示——模式;数据挖掘解决的问题;数据挖掘——统计与关联分析技术;数据挖掘——统计与关联分析技术;数据挖掘——贝叶斯网技术;数据挖掘技术的发展变化;数据挖掘技术的演化;数据挖掘技术的演化;数据挖掘技术的演化;2 知识发现的基本概念;知识发现定义;知识发现定义;知识发现定义解释;数据挖掘（Data Mining） 知识抽取（Knowledge Extraction） 数据模式处理（Data Pattern Processing） 数据考古（Data Archaeology） 信息收获（Information Harvesting） 筛选（Sift ware） 数据疏浚（Data Dredging）等[4][5][6]。 [4] G. Piatetsky-Shapiro, Guest editor’s introduction: Knowledge discovery in databases-from Research to application, Journal of Intelligent Information Systems, 4, 5~6, 1995 [5]Alex Berson, Stephen J. Smith, Data Warehousing, Data Mining, OLAP, McGraw Hill Inc, 1999 [6] Harjingder S. Gill Praksh C. Rao, The offical client/server computing to data warehousing, Que Corporation, 1996 ;无论如何称呼，其思想和采用技术基本一致。 DM(KDD)在学术界应用较多，工程应用领域多称之为数据挖掘，通常可不加区分地加以应用。 数据挖掘是知识发现的一个处理阶段，是知识发现处理过程中的一个关键步骤。;;知识发现过程中的阶段;Selection and Preprocessing;;DM(KDD)过程详细描;数据挖