數(shù)據(jù)挖掘與知識發(fā)現(xiàn)-資料下載頁

　　

【正文】 與太陽的距離（圍繞太陽旋轉(zhuǎn)的橢圓軌道的長半軸，百萬公里），具體數(shù)據(jù)如下表：水星金星地球火星木星土星周期P88225365687距離d581081492287781430由此，可得到開普勒第三定律：d/P=25.（6）案例案例是指人們經(jīng)歷過的一次完整的事件。當(dāng)人們要解決一個新問題時，總是先回顧自己以前處理過的類似事件（案例），利用以前案例中解決問題的方法或者處理的結(jié)果，作為參考并進行適當(dāng)?shù)男薷模越鉀Q當(dāng)前新問題。利用這種思想建立起基于案例推理（Case Based Reasoning,CBR）。CBR的基礎(chǔ)是案例庫，在案例庫中存放著大量成功或失敗的案例。CBR利用相似檢索技術(shù)，對新問題到案例庫中搜索相似案例，再經(jīng)過對舊案例的修改來解決新問題。可見，案例是解決新問題的一種知識。案例知識一般表示為三元組：l 問題描述：對求解的問題及周圍世界或環(huán)境的所有特征的描述；l 解描述：對問題求解方案的描述；l 效果描述：描述解決方案后的結(jié)果情況，是失敗還是成功。 數(shù)據(jù)挖掘及知識發(fā)現(xiàn)的實際應(yīng)用DM（KDD）工具和軟件已在各個部門得到很好的應(yīng)用，并收到明顯的效益。[1] 金融方面：銀行信用卡和保險行業(yè)，預(yù)測存/貸款趨勢，優(yōu)化存/貸款策略，用DM將市場分成有意義的群組和部門，從而協(xié)助市場經(jīng)理和業(yè)務(wù)執(zhí)行人員更好地集中于有促進作用的活動和設(shè)計新的市場運動。[2] 在客戶關(guān)系管理方面：DM能找出產(chǎn)品使用模式或協(xié)助了解客戶行為，從而可以改進通道管理（如銀行分支和ATM等）。又如正確時間銷售（RightTimeMarKeting）就是基于顧客生活周期模型來實施的。[3] 在零售業(yè)/市場營銷方面：是數(shù)據(jù)挖掘技術(shù)應(yīng)用最早也是最重要的領(lǐng)域，DM用于顧客購貨籃的分析可以協(xié)助貨架布置，促銷活動時間，促銷商品組合以及了解滯銷和暢銷商品狀況等商業(yè)活動。通過對一種廠家商品在各連鎖店的市場共享分析,客戶統(tǒng)計以及歷史狀況的分析，可以確定銷售和廣告業(yè)務(wù)的有效性。[4] 在過程控制/質(zhì)量監(jiān)督保證方面：DM協(xié)助管理大數(shù)量變量之間的相互作用，DM能自動發(fā)現(xiàn)出某些不正常的數(shù)據(jù)分布，暴露制造和裝配操作過程中變化情況和各種因素，從而協(xié)助質(zhì)量工程師很快地注意到問題發(fā)生范圍和采取改正措施。[5] 在遠(yuǎn)程通訊部門：基于DM的分析協(xié)助組織策略變更以適應(yīng)外部世界的變化，確定市場變化模式以指導(dǎo)銷售計劃。在網(wǎng)絡(luò)容量利用方面，DM能提供對客戶組類服務(wù)使用的結(jié)構(gòu)和模式的了解，從而指導(dǎo)容量計劃人員對網(wǎng)絡(luò)設(shè)施作出最佳投資決策。[6]化學(xué)/制藥行業(yè)：從各種文獻資料總自動抽取有關(guān)化學(xué)反應(yīng)的信息，發(fā)現(xiàn)新的有用化學(xué)成分。在遙感領(lǐng)域針對每天從衛(wèi)星上及其它方面來的巨額數(shù)據(jù)，對氣象預(yù)報，臭氧層監(jiān)測等能起很大作用。[7]軍事方面：使用DM進行軍事信息系統(tǒng)中的目標(biāo)特征提取、態(tài)勢關(guān)聯(lián)規(guī)則挖掘等。總之，DM可廣泛應(yīng)用于銀行金融、零售與批發(fā)、制造、保險、公共設(shè)施、政府、教育、遠(yuǎn)程通訊、軟件開發(fā)、運輸?shù)雀鱾€企事業(yè)單位及國防科研上。據(jù)報導(dǎo)，DM的投資回報率有達(dá)400%甚至10倍的事例。 知識發(fā)現(xiàn)與創(chuàng)新自90年代以來，基于數(shù)據(jù)庫/數(shù)據(jù)倉庫技術(shù)的知識發(fā)現(xiàn)研究，一直是人們關(guān)注和研究的熱點。所謂數(shù)據(jù)倉庫，按數(shù)據(jù)倉庫之父Bill Inmon的定義，就是一個“面向主題的”、“完整的”、“非易失的”、“不同時間的”、“用于支持決策管理的”數(shù)據(jù)集合。實質(zhì)上，數(shù)據(jù)倉庫就是將異構(gòu)的數(shù)據(jù)集成起來，經(jīng)過加工整理變成一個可用的數(shù)據(jù)資源。目前，基于數(shù)據(jù)倉庫的分析工具主要有：數(shù)據(jù)挖掘和聯(lián)機分析處理（OLAP：OnLine Analysis Process）。它們的最本質(zhì)區(qū)別在于，數(shù)據(jù)挖掘是一種挖掘性分析工具，它主要是利用各種分析方法（算法）主動地去挖掘大量數(shù)據(jù)中蘊含的規(guī)律；而OLAP則是一種求證性的分析工具，即已有一個假設(shè)，通過OLAP來得到驗證。OLAP所采用的驗證方法多是基于數(shù)據(jù)立方體法，即通過對數(shù)據(jù)立方體的切片、切塊、旋轉(zhuǎn)、鉆取等操作來實現(xiàn)對數(shù)據(jù)立方體快速的多維成取。所謂多維存取，是從不同的角度根據(jù)數(shù)據(jù)倉庫中的不同主題來得出不同的結(jié)論。數(shù)據(jù)挖掘和OLAP這兩種分析工具本身是相輔相成的。OLAP可以幫助人們提出假設(shè)，也可以驗證數(shù)據(jù)挖掘預(yù)測的結(jié)果；數(shù)據(jù)挖掘能夠挖掘出一個結(jié)論，但這結(jié)論是否正確，可用OLAP去驗證。傳統(tǒng)的數(shù)據(jù)庫提供的是操作型數(shù)據(jù)環(huán)境，現(xiàn)在的數(shù)據(jù)倉庫提供的是分析型數(shù)據(jù)環(huán)境。Internet上數(shù)據(jù)的最大特點是半結(jié)構(gòu)化的。所謂半結(jié)構(gòu)化是相對于結(jié)構(gòu)化和非結(jié)構(gòu)化而言的。如傳統(tǒng)數(shù)據(jù)庫中的數(shù)據(jù)結(jié)構(gòu)性很強，稱之為完全結(jié)構(gòu)化的數(shù)據(jù)，而同時還存在諸如一本書、一張圖片等完全無結(jié)構(gòu)的數(shù)據(jù)。而Internet上存在的數(shù)據(jù)既不是完全結(jié)構(gòu)化的也不是完全非結(jié)構(gòu)化的，因為它的頁面也具有描述層次的，存在一定的結(jié)構(gòu)，所以稱之為半結(jié)構(gòu)的數(shù)據(jù)。Web上的每一個站點就是一個數(shù)據(jù)源，且是異構(gòu)數(shù)據(jù)源，一個站點和另一個站的信息和組織形式不同，這就構(gòu)成了一個更大的、復(fù)雜性更高的數(shù)據(jù)庫。要想對此進行數(shù)據(jù)挖掘，首先必須研究站點之間異構(gòu)數(shù)據(jù)的集成問題。因為只有將這些站點上的數(shù)據(jù)都集成起來，提供給用戶一個統(tǒng)一的視圖或視角，才有可能從巨大的數(shù)據(jù)資源中獲取所需的東西。所以，尋找一個半結(jié)構(gòu)化數(shù)據(jù)模型成為解決集成問題的一個關(guān)鍵技術(shù)。此外，還需一項技術(shù)能夠自動地從現(xiàn)有數(shù)據(jù)中將這個模型抽取出來，這就是所謂的模型抽取技術(shù)。因為半結(jié)構(gòu)化數(shù)據(jù)模型和半結(jié)構(gòu)化數(shù)據(jù)模型抽取技術(shù)是面向Internet數(shù)據(jù)挖掘技術(shù)實施的前提，因此堪稱是當(dāng)今知識發(fā)現(xiàn)研究領(lǐng)域的最大熱點。“創(chuàng)新是一個民族的靈魂”，發(fā)現(xiàn)與發(fā)明統(tǒng)稱為創(chuàng)新。在知識經(jīng)濟點主導(dǎo)地位的21世紀(jì)，擁有持續(xù)創(chuàng)新能力和大量高素質(zhì)人才資源的國家，顯然將具備發(fā)展知識經(jīng)濟的巨大潛力。面對浩如煙海的信息資源（商業(yè)上的條形碼，科學(xué)上先進儀器觀察的數(shù)據(jù)，Internet網(wǎng)上的資源信息等）的迅速增長，人們迫切需要新的技術(shù)和工具，以便能從大量的數(shù)據(jù)中智能地、自動地抽取有價值的知識。知識發(fā)現(xiàn)技術(shù)和系統(tǒng)研究將極大地推動知識創(chuàng)新的開展，促進經(jīng)濟的持續(xù)發(fā)展。我們綜合性大學(xué)里的所有學(xué)科，實際上可以成四大類（自然科學(xué)、社會科學(xué)、人文科學(xué)、其它），第一就是大家熟悉的自然科學(xué)，對于自然科學(xué)來說，最高水平的創(chuàng)新一定是創(chuàng)新知識。大學(xué)是以知識為紐帶把大家聯(lián)系在一起，教學(xué)是傳播知識，科研是創(chuàng)新知識，圖書館在收藏知識，我們?yōu)樯鐣?wù)在運用知識，我們進行國際交流是交換知識，創(chuàng)新知識大概是自然科學(xué)的一個最高要求。除了創(chuàng)新知識之外，還有工程技術(shù)類的學(xué)科，這只不過是在運用規(guī)律和知識，對這些學(xué)科來說，最高水平的創(chuàng)新不是新知識的產(chǎn)生。如，“中國制造”大學(xué)之大不在大樓，而在大師。一個大學(xué)要受人尊重，不在大學(xué)的規(guī)模，不在大學(xué)的速度，而在這個大學(xué)有一代代受人尊敬的大師。每個人都有一個屬于自己的知識空間。這個空間邊界就是與未知世界的接觸面。自己的知識空間越大，與未知世界的接觸面積也就越大，因此就越會感覺自己的無知。擴充知識空間的過程叫學(xué)習(xí)。從小學(xué)到中學(xué)再到大學(xué)，我們的知識空間在不斷擴大。兩個人知識空間的碰撞叫交流。全世界知識的總和形成人類知識大空間，這個大空間的邊界叫前沿。作為研究生必須擁有一小塊與人類知識空間共同的邊界，必須在前沿工作。如果他們在這塊邊界上有所突破，就叫做發(fā)現(xiàn)或叫做發(fā)明。這樣的突破，擴充了研究生個人的知識空間，同時也就擴充了人類的知識大空間。本課程的教學(xué)目的：數(shù)據(jù)挖掘與知識發(fā)現(xiàn)是從數(shù)據(jù)集中識別出有效的、新穎的、潛在有用的，以及最終可理解的模式的非平凡過程。數(shù)據(jù)挖掘與知識發(fā)現(xiàn)將信息變?yōu)橹R，從數(shù)據(jù)礦山中找到蘊藏的知識金塊，將為知識創(chuàng)新和知識經(jīng)濟的發(fā)展作出貢獻。本課程將全面而又系統(tǒng)地介紹了數(shù)據(jù)挖掘與知識發(fā)現(xiàn)的方法和技術(shù)，力圖反映當(dāng)前的最新成果。本課程面向計算機、信息技術(shù)以及相關(guān)專業(yè)博士生、碩士生。24 / 24