数据挖掘算法优化研究与应用

《数据挖掘算法优化研究与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得安徽大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：劢呐娶签字日期：洳中年6月f日学位论文版权使用授权书本学位论文作者完全了解安徽大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权安徽大学可以将学位论文的全部或部分内容编入有关数据库进行检索，

2、可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名：叫星导师签名：签字日期：·如‘甲年易月f日签字日期：刘辫D，少年易月}日摘要lIlllIlllllIIIIJIllllIIIJIIIIIIIIJillIllf—Y2579599’随着现代社会的高速发展，各种各样的信息以及数据呈现爆炸式的增长，积累的信息和数据越来越多。这些存放在媒介中的海量数据，在没有外部工具的帮助下，人们很难从这些巨大的数据量中找到有用的信息，这些数据将成为垃圾数据。数据挖掘技术的出现，很好地解决了这个问题。数据挖掘技术可以从大量的数据中分析学习数据中对用户有用

3、的模式和规则，利用这些学习到的模式和规则，当有新的样本数据的时候，可以根据已有的模式和规则来预测样本数据可能的特性。数据挖掘分类是数据挖掘的重要步骤之一，而在数据挖掘分类算法中，决策树分类算法是数据挖掘中应用较广的一种分类算法，它主要有ID3分类算法和c4．5分类算法，ID3有着简单易操作的优点，但也有着偏向于处理小数据集，以及只能处理离散属性的缺点，c4．5算法可以很好的弥补ID3算法对连续属性的处理不足的缺点，但C4．5算法同样有着处理增量学习和大数据量问题的不足。解决决策树算法的增量学习问题就是本文研究的切入点。本文主要对数据挖掘中的分类算法进行详细的介绍和描述，然后将分类算法和数

4、据挖掘增量学习技术相结合，提出了一种增量式决策树算法来解决决策树经典算法的增量学习问题，并对该算法进行了实验数据分析。针对数据挖掘中常见的分类算法，包括：决策树分类算法、最近邻居算法和神经网络这三种最常见分类算法，进行了详细的介绍和描述，并对这三种算法的分类性能进行了比较研究。本文选取决策树分类算法中ID3算法和c4．5算法进行详细的研究，详尽的介绍了这两种分类算法的基本步骤，包括决策树生成和决策树剪枝的基本步骤并列举实例来演示算法的原理。同时分析了ID3算法和c4．5算法的优缺点；最后，根据前面对ID3算法和c4．5算法的性能和优缺点分析，综合贝叶斯分类算法的增量学习特性，提出了一种增

5、量式决策树算法，并通过分析实验数据，该算法很好地解决了决策树算法的增量学习问题。关键词：数据挖掘，分类算法，决策树，增量学习ABSTRA(了ABSTRACTWiththerapiddevelopmentofmodernsociety,allkindsofinformationanddatahavetheexplosivegrowth．Thehugeamountsofdatainmedium，withoutthehelpofexternaltools，itistoohardtofindusefullinformationfromthehugeamountofdata．Thesearefar

6、morethanthehumanabilitytounderstandandsummarize．TheemergenceofDataMiningtechnology,solvedtheproblemverywell．DataMiningcanlearnandanalysisusefullpatternsandrulesfortheuserfromalargeamountofdata．Bystudyingthesepatternsandrules，whenanewsampledataarises，onthebasisoftheexistingpatternsandruleswecanpre

7、dictthepossiblefeaturesforthesample．DataminingclassificationisoneoftheimportantstepsofDatamining．Decisiontreeclassificationalgorithmisakindofwidelyusedin。Datamining，includingID3algorithmandC4．5algorithm，ID3hastheadvant