結(jié)構(gòu)化數(shù)據(jù)挖掘與分析語(yǔ)言SMALL的設(shè)計(jì)和實(shí)現(xiàn).pdf

1、數(shù)據(jù)挖掘是新一代的幫助人們從大量的數(shù)據(jù)中提取有用知識(shí)的技術(shù)和工具.數(shù)據(jù)挖掘包括關(guān)聯(lián)規(guī)則、序列模式、模糊聚類(lèi)等.現(xiàn)在已經(jīng)有很多適用于大型數(shù)據(jù)庫(kù)的高效的數(shù)據(jù)挖掘算法,同時(shí)也出現(xiàn)了一些系統(tǒng)原型,如加拿大Smion Fraser大學(xué)的DBMiner系統(tǒng)和IBM Almaden研究中心的Quest系統(tǒng).但是在數(shù)據(jù)模型和語(yǔ)言方面的研究比較薄弱,還缺乏統(tǒng)一的、靈活的處理模型和語(yǔ)言.數(shù)據(jù)挖掘的操作對(duì)象是超大規(guī)模的數(shù)據(jù)集,所以高性能計(jì)算在數(shù)據(jù)挖掘中特別重

2、要.求高頻集常用的算法為Apriori、DHP等,若高頻項(xiàng)目組的最大長(zhǎng)度為L(zhǎng),這些算法都需掃描數(shù)據(jù)庫(kù)L次.該文采用基于分區(qū)的反傾斜的高頻集挖掘算法,能以至多兩次掃描數(shù)據(jù)庫(kù)的時(shí)間復(fù)雜度,有效地在分布不均的數(shù)據(jù)記錄集中產(chǎn)生高頻項(xiàng)目集.同時(shí),該文根據(jù)用歐拉距離表示數(shù)據(jù)間相似程度的定義,利用排序縮小計(jì)算范圍,提出利用降維排序求多維數(shù)據(jù)模糊聚類(lèi)算法.它以一維數(shù)據(jù)的聚類(lèi)方法為基礎(chǔ),通過(guò)對(duì)各映射子空間聚類(lèi)相交,得到高維聚類(lèi)的近似解,進(jìn)而求出精確解.該