1、數(shù)據(jù)挖掘是指從大量數(shù)據(jù)中提取隱含、事先未知、并且潛在有用知識(shí)的技術(shù),是目前國(guó)際上數(shù)據(jù)庫(kù)和信息決策領(lǐng)域最前沿的研究方向之一.數(shù)據(jù)挖掘技術(shù)已經(jīng)被廣泛用于各個(gè)領(lǐng)域,這些領(lǐng)域都具有各自的特點(diǎn).該文研究了食用菌分析應(yīng)用中的數(shù)據(jù)挖掘技術(shù),提出數(shù)據(jù)分析方法必須與領(lǐng)域相結(jié)合的觀點(diǎn).文中介紹了食用菌分析中采用的分類、聚類、關(guān)聯(lián)規(guī)則等方法,同時(shí)也對(duì)數(shù)據(jù)可視化技術(shù)進(jìn)行了闡述.該文的重點(diǎn)是圖譜序列的分析與改進(jìn)方法,并提出了問題的解決方案.其研究成果已經(jīng)得到了實(shí)

2、現(xiàn),并在實(shí)踐中加以應(yīng)用.該文的主要工作如下:(1)闡述了數(shù)據(jù)挖掘的基本概念、主要內(nèi)容和發(fā)展趨勢(shì).提出了用CRISP-DM方法解決實(shí)際分析領(lǐng)域的問題,定義了一種基于XML的數(shù)據(jù)挖掘應(yīng)用平臺(tái)建模語(yǔ)言DMAPML(Data Mining ApplicationPlatform Modeling Language),用于描述分析流程的各階段.(2)確定了食用菌分析應(yīng)用中的用戶需求,使用數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則、決策樹分類、K-均值聚類和時(shí)間序列相似性

3、查找四類算法解決了具體的分析問題,同時(shí)利用數(shù)據(jù)可視化技術(shù)描述了相應(yīng)的實(shí)驗(yàn)結(jié)果.(3)改進(jìn)了時(shí)間序列數(shù)據(jù)相似性分析的方法.針對(duì)應(yīng)用特點(diǎn),采用作為歐氏距離作為相似度度量,提出了新的SWBU算法,能夠精確對(duì)圖譜序列進(jìn)行分段;利用三角不等性質(zhì)減少了序列比較時(shí)的不必要的計(jì)算,提高了算法效率.(4)實(shí)現(xiàn)了一個(gè)數(shù)據(jù)分析系統(tǒng).該系統(tǒng)按照數(shù)據(jù)分析的一般過程,將數(shù)據(jù)分析任務(wù)劃分為數(shù)據(jù)集成、數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)探索、挖掘算法和結(jié)果展示等模塊.該系統(tǒng)的各模塊之間用先