基于索引的高效聚类孤立点算法分析-计算机应用技术专业论文.docx

山东大学硕士学位论文摘 山东大学硕士学位论文 摘 要 随着计算机应用的普及，尤其是数据库技术的广泛使用，以及互 联网应用的不断深入，业务数据量急剧增长，事实上，每两三年数据 就会翻倍。不幸的是，基于调查，93％以上的数据在进入业务系统以后， 从未得到使用。 面对海量数据，我们往往无所适从，无法发现数据中存在的关系 和规则，无法根据现有的数据预测未来的发展趋势， 导致了“我们淹 没在数据的海洋中，但却缺少知识”的现象。我们希望运用数据挖掘 技术从这些数据当中挖掘出知识来。大量数据的背后隐藏了很多具有 决策意义的信息，通过对海量数据的分析，发现数据之间的潜在联系， 为人们提供自动决策支持。数据挖掘利用各种分析工具在海量数据中 发现模型和数据间关系的过程，使用这些模型和关系可以进行预测， 它帮助决策者寻找数据间潜在的关联，发现被忽略的因素，因而被认 为是解决当今时代所面临的数据爆炸而信息贫乏问题的一种有效方 法。 本文对数据仓库技术和数据挖掘算法进行了研究，并对数据挖掘 算法根据实际需要作了改进： (1)对聚类中的孤立点算法进行了分析，给出了算法描述，并就 算法的复杂度进行了分析。 (2)针对当前的孤立点分析中需要对数据库进行多次扫描，计算 的复杂度较高，代价昂贵等问题，提出根据实际情况，提出了基于线 性时间选择算法计算最小距离点从而求解孤立点的设计思想，降低了 计算的复杂度，提高了效率，提高了数据挖掘的速度。 本文对数据挖掘技术中孤立点进行了算法分析研究，所形成的算 法对分析预测有一定的指导意义，该方法对孤立点分析中其他方面的 应用也有着较大的参考价值。 山东大学硕士学位论文 山东大学硕士学位论文 关键字：数据仓库、数据挖掘、孤立点、数据挖掘可视化 山东大学硕士学位论文ABSTRACT 山东大学硕士学位论文 ABSTRACT Business data quantity is increasing very sharply，with the popular application of computer and the fast progress of internet， especially the wide use of database technology．In fact the data quantity i double every 2 or 3 year．Nevertheless，according to investigation， 93％data has been used after it was put in business system． Facing abundant data，we don’t know how to deal with and Can’t find the existing relations among data and their ruleS，we can’t also predict the future developing trend from exi sting data．Leading to the phenomenon that“We are submerged in data ocean，but short of knowledge”．So we hope that we carl gain knowledge by data mining technology．There is much information for decision—making under mass of data．Finding out potential relations among data by analyzing plenty of data provides US support for auto decision—making．Data mining is process that we look for models and relations among data from mass of data by all kinds of analytic tools．With those models and relations we can predict．Those help deci sion—maker to find potential links among data and neglected factors．So data mining is looked an effective method to solve the problem that facing too many data we can’t get enough information， I