可视化技术在知识发现中的应用研究

来源 :1999年青岛-香港国际计算机会议 | 被引量 : 0次 | 上传用户:jianpingdujuan
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
知识发现(KDD)可简单地描述为“从一堆数据中发现有用的高水平的规律”。在该文中,作者将讨论可视化技术在知识发现中的应用问题。可视化技术应用的一个重要目标就是为了支持挖掘和分析大量的数据。可视化应用贯穿于整个知识发现的过程中,但一般集中在两个阶段:一个阶段是在数据准备阶段对数据可视化,以便更好地理解数据,为知识发现做准备;另一阶面是KDD结束阶段对数据挖掘的结果进行可视化处理,以便让用户更好的理解模型,进一步信任模型。可视化的技术有许多,但都是为了能有利于用户分析和理解数据和模型。
其他文献
讨论了构造人造数据的意义,提出面向模拟的人造数据和面向问题的人造数据思想。分析了IBM Alamaden研究中心的面向模拟的人造数据模型,并给出一种面向测试的人造数据生成方法。
讨论了评价数据挖掘算法的目的和意义,针对海量人造数据源,提出数据挖掘算法的模糊综合评价模型。旨在借助测试指标和评价模型进一步指导和规范数据挖掘算法研究,为构造数据挖掘
关联规则采掘技术是KDD中的重要研究内容。包含有连续属性的数据集中的关联规则采掘必须首先解决连续属性的离散化问题,连续属性的离散化直接关系到关联规则采掘的结果和效率。研
讨论了拟周期现象,提出了时间序列中的拟周期之间的关联规则采掘模型,探讨了多个拟周期现象之间的关联规则采掘技术。然后,以安宁河断裂带的地震前兆数据与地震目录数据为测试数
该文根据作者开发的一个自动化单元仿真系统,阐述了一种应用KDD技术的优化控制仿真系统,利用从数据库发现的知识构成知识库,从而提高了知识库的质量,明显改善地了系统的优化控制性能
保险行业是带有风险性的行业,保险公司一方面要随时受理新的保单,另一方面还要考虑新参保的单位和已参保的单位在相应险种的年度收支平衡情况。通过利用数据挖掘中的决策树技术
如何从含有数量和类别属性的数据库中提职相联规则具有重要意义。该文给出了提取数量相联规则的方法,利用概念层次树,对于多取值的数量和类别属性进行抽象,进一步将数量相关问题
在分析了目前KDD研究中使用的分类算法特点的基础上,提出了一种高效、实用的决策树分类算法。