基于粒计算的数据挖掘研究及应用

数据挖掘技术具有较高的有效性和良好的可操作性,被广泛应用于各个领域。近年来,基于数据挖掘技术的研究方法不断涌现:如基于决策树分类、统计分类、贝叶斯分类、神经网络等方法均能有效解决小规模数据库的数据挖掘问题。面对海量数据处理,人们提出了用不同粒度或不同概念层观测问题,从不同的粒度中得到不同层次的信息和知识,满足人们对不同层次知识的要求。粒计算是人工智能领域中的一种新理念和新方法。粒计算方法凭借自身的特质在数据挖掘中显示出较大的优势。它主要用于解决海量数据的挖掘和复杂问题的求解,通过系统访问粒结构来解决问题。 本文在对数据挖掘和粒计算相关技术进行深入研究的基础上,将粒计算与数据挖掘方法相结合,建立了基于粒计算的数据挖掘模型,给出基于粒计算的数据挖掘模型的关联规则算法。应用此方法对阅马场城市隧道监控交通数据信息数据挖掘方法进行改进,构建了基于粒计算的商空间挖掘模型,结合时间粒度概念进行了相关划分。研究工作表明,运用此方法对数据仓库在不同层次的粒度问题进行处理,在保证数据挖掘的精度的前提下可以提高系统的效率。论文还将粒计算与遗传算法相结合,用于地基改良工程中单桩极限承载力预测问题的研究,通过大型桥梁的相关系数、桩参数和桩所在环境的土质参数等已知条件,对桩承载力进行有效的预测,研究结果表明粒计算在解决复杂问题方面有一定的优势,粒计算与遗传算法相结合的方法有较高的预测精度。