多重數(shù)據(jù)庫中的知識發(fā)現(xiàn)

Shichao+Zhang

近年來，越來越多的組織和機構對分布式數(shù)據(jù)庫上的信息挖掘有迫切的應用需求。特別是隨著互聯(lián)網(wǎng)的迅猛發(fā)展，讓個人和企業(yè)低成本地獲取海量信息成為可能，而通過對數(shù)據(jù)的分析無疑會幫助他們做出更加科學合理的決策。然而，面對海量數(shù)據(jù)，如何有效地從不同的數(shù)據(jù)源獲取高質(zhì)量的數(shù)據(jù)已經(jīng)成為了一個亟需解決的問題。這樣一個嚴峻的挑戰(zhàn)吸引了包括本書作者在內(nèi)的眾多研究者的熱情參與。所不同的是，作者獨辟蹊徑，提出了一種本地模式分析模型，從而讓那些在傳統(tǒng)的多數(shù)據(jù)庫挖掘技術條件下不能被采集的潛在信息，能被有效地發(fā)現(xiàn)和利用。

全書分為三大部分，共10章。第1部分是多數(shù)據(jù)庫挖掘基礎，包含第1-3章：1.多數(shù)據(jù)庫挖掘技術的重要性，介紹了單數(shù)據(jù)庫挖掘與多數(shù)據(jù)庫挖掘之間的區(qū)別，然后簡述了多數(shù)據(jù)庫挖掘的處理過程；2.數(shù)據(jù)挖掘和多數(shù)據(jù)庫挖掘，介紹了數(shù)據(jù)挖掘與多數(shù)據(jù)庫挖掘之間的區(qū)別與聯(lián)系，簡述了一些重要概念，最后介紹了前人在本方向所做的工作以及目前的應用熱點；3.本地模式分析，介紹了本地模式分析框架，詳述了多數(shù)據(jù)庫環(huán)境下的模式結構以及本地模式分析的有效性。

第2部分是數(shù)據(jù)預處理，包含第4-6章：4.框架的使用，介紹了傳統(tǒng)的多數(shù)據(jù)庫挖掘技術面臨的問題，在此基礎上提出了識別高質(zhì)量數(shù)據(jù)技術及相關概念；5.數(shù)據(jù)庫聚類，介紹了分類的有效性以及數(shù)據(jù)庫的分類，最后給出了在本地模式下識別特殊模式的高效算法；6.非一致性處理，包括語義定義，以及加權多數(shù)法，在此基礎上提出了一種基于權重合成模式的方法，并且給出了改進合成模型的規(guī)則。

第3部分是模式識別，包括第7-10章：7.高票選模式，包括建立高票選模式識別模型、設計高票選模式搜索算法、構造模糊邏輯控制器、分析高票選模式識別方法等；8.例外模式，包括構造例外模式興趣度模型、設計例外模式搜索算法、構造最小興趣度的邏輯控制器，最后用實例證明了本章所提出的算法的有效性；9.加權綜合模式，包括構造基于加權的綜合模型、改進現(xiàn)有的綜合模型、分析算法復雜度等；10.總結與展望，總結了本書中的創(chuàng)新之處，并對多數(shù)據(jù)庫知識發(fā)現(xiàn)技術未來的發(fā)展方向給出了預測。

本書語言通俗易懂，觀點精辟獨到，適合數(shù)據(jù)挖掘、分布式數(shù)據(jù)分析、機器學習等相關專業(yè)碩士研究生閱讀和參考。亦可作為在數(shù)據(jù)挖掘、數(shù)據(jù)庫知識發(fā)現(xiàn)等領域展開科學研究的工程師們的專業(yè)參考書。

臧光明，碩士研究生

endprint