数据挖掘研究的现状与发展趋势_郑继刚

数据挖掘研究的现状与发展趋势

数据挖掘研究的现状与发展趋势

郑继刚,王边疆

(保山学院数学系,云南保山678000)

和影响其空间分布的因素之间的关系;预测型的模

型用来根据给定的一些属性预测某些属性,如分类模

型和回归模型等.

目前,主要在空间数据挖掘的体系结构和挖掘过

程做了大量研究,包括面向对象的空间数据库的数据

挖掘、模糊空间关联规则的挖掘、不确定性挖掘、聚类

挖掘、挖掘空间数据的偏离和演变规则、基于多专题

地图的挖掘、交叉概化、基于时空数据的概化、并行数

据挖掘、统计分析与数据挖掘的协同和遥感影像的挖

掘等,主要采用了基于统计学和概率论、集合论、机器

学习、仿生物学、地球信息学的研究方法.

4.2多媒体数据挖掘

多媒体数据,包括图形、图像、文本、文档、超文

本、声音、视频和音频数据等,数据类型复杂.随着信

息技术的进步,人们所接触的数据形式越来越丰富,

多媒体数据的大量涌现,形成了很多海量的多媒体数

据库[8].这些数据大多是非结构化数据、异构数据,

特征向量通常是数十维甚至数百维,转化为结构数据

和降维成了多媒体数据挖掘的关键技术.

有研究者提出了多媒体数据挖掘的系统原型

MDMP,将多媒体数据的建模表示、存储和检索等多

媒体数据库技术与数据挖掘技术有机地结合在一起,

采用多媒体图像数据的相似性搜索、多维分析、关联

规则挖掘、分类与聚类分析等挖掘方法,广泛地应用

于医学影像诊断分析、卫星图片分析、地下矿藏预测

等各种领域.

4.3时序数据挖掘

时序数据挖掘通过研究信息的时间特性,深入洞

悉事物进化的机制,揭示其内在规律(如波动的周期、

振幅、趋势的种类等),成为获得知识的有效途径.关

键问题是要是寻找一种合适的序列表示方式,基于点

距离和关键点是常用的算法,但都不能完整表示出序

列的动态属性.时序数据挖掘的主要技术有趋势分析

和相似搜索,在宏观的经济预测、市场营销、客流量分

析、太阳黑子数、月降水量、河流流量、股票价格波动

等众多领域得到了应用.

你可能喜欢

  • 数据挖掘介绍
  • 数据仓库
  • 数据挖掘十大经典算法
  • 数据挖掘论文
  • 数据挖掘综述
  • 数据挖掘技术
  • 数据挖掘分析
  • web数据挖掘

数据挖掘研究的现状与发展趋势_郑继刚相关文档

最新文档

返回顶部