本文關(guān)鍵詞： 關(guān)聯(lián)規(guī)則 事件挖掘算法 海洋異常事件 太平洋　出處：《重慶交通大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

【摘要】：數(shù)據(jù)挖掘與知識發(fā)現(xiàn)是從大規(guī)模的數(shù)據(jù)中提取潛在的、極有價值的信息的一門學(xué)科,它綜合了統(tǒng)計學(xué)、計算機科學(xué)、管理學(xué)等前沿學(xué)科。當今社會,該技術(shù)已經(jīng)得到了充分地發(fā)展和應(yīng)用,并成為對海量數(shù)據(jù)進行信息提取的最為有效的方法。隨著各個學(xué)科之間相互滲透的程度日益加深,數(shù)據(jù)挖掘技術(shù)與其他學(xué)科進行交叉研究已經(jīng)在學(xué)術(shù)領(lǐng)域和商業(yè)領(lǐng)域得到了廣泛的重視。地理事件相關(guān)研究已經(jīng)在地理學(xué)得到了充分發(fā)展。大量的地理事件模型被提出,極大地豐富了該研究領(lǐng)域。在地理事件挖掘領(lǐng)域,大量專家學(xué)者針對不同的研究方向,提出了不同的地理事件挖掘算法。海洋事件挖掘是地理事件挖掘的一個重要研究方向,該研究對于研究區(qū)域海氣相互作用和全球氣候變化來說具有重要的科學(xué)意義和實踐意義!論文分別從數(shù)據(jù)挖掘和海洋異常事件這兩方面出發(fā),在對地理事件和關(guān)聯(lián)規(guī)則挖掘進行分析研究后,針對具有連續(xù)性的海洋現(xiàn)象,提出了兩個面向海洋異常事件的關(guān)聯(lián)規(guī)則挖掘算法,然后選取各種海洋環(huán)境要素異常活躍的太平洋區(qū)域為研究對象,進行實例挖掘。論文的主要工作分為如下幾個部分:(1)詳細介紹數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則挖掘的研究現(xiàn)狀和地理事件的研究現(xiàn)狀,其中地理事件的研究現(xiàn)狀包括地理事件模型領(lǐng)域的研究現(xiàn)狀和地理事件挖掘領(lǐng)域的研究現(xiàn)狀。(2)闡述面向事件挖掘的時空事務(wù)表的構(gòu)建流程。首先介紹在海洋環(huán)境下的與事件相關(guān)的概念與定義,然后詳細介紹海洋要素異常狀態(tài)提取的過程,包括提取月均距平值、海洋要素的離散化以及單一時刻海洋要素異常狀態(tài)提取。最后,在以上基礎(chǔ)上提出所構(gòu)建的時空事務(wù)表,并給出對事務(wù)表進行噪音清除的方法。(3)提出處理海洋異常事件的關(guān)聯(lián)規(guī)則挖掘算法。論文首先給出關(guān)聯(lián)規(guī)則挖掘中經(jīng)典的Apriori算法的核心思想,即根據(jù)支持度確定頻繁項集,根據(jù)置信度確定強關(guān)聯(lián)規(guī)則。在此基礎(chǔ)上,結(jié)合海洋環(huán)境背景分別提出兩個關(guān)聯(lián)規(guī)則挖掘算法:針對共同發(fā)生事件的CE-ARMA算法和針對非同步發(fā)生事件的MAETP-ARMA算法。對于CE-ARMA算法,論文給出算法相關(guān)的概念與定義,其次,給出與Apriori算法的區(qū)別和聯(lián)系,然后給出算法的詳細設(shè)計流程,最后以舉例的方式來說明算法的運算過程。對于MAETP-ARMA算法,論文給出算法涉及到的一些基本的概念,其次,詳細地描述算法與前述算法的區(qū)別、聯(lián)系,然后給出算法的設(shè)計步驟,最后,仍然以實例的方式來表述算法的運算過程。兩個算法雖然具有Apriori算法的“鏈接-剪枝”特性,但是卻解決了Apriori原型算法無法處理連續(xù)性的海洋異常事件的問題。(4)以全球氣候變化和區(qū)域海洋-大氣相互作用中關(guān)聯(lián)關(guān)系最為密切的太平洋區(qū)域為主要研究區(qū)域,利用海表溫度、海面高度異常等海洋環(huán)境要素數(shù)據(jù)進行關(guān)聯(lián)規(guī)則挖掘和典型事件間的關(guān)聯(lián)規(guī)則分析。最后,從時間復(fù)雜度和算法效率上對算法進行分析。
[Abstract]:Data mining and knowledge discovery is extracted from the large-scale data potential, a subject of valuable information, which combines statistics, computer science, advanced management science. Nowadays, this technology has been fully developed and applied, and has become the most effective method for massive data information extraction. With the interaction between the various disciplines of the deepening, the data mining technology to cross research with other disciplines in the academic field and business field has received extensive attention. The related research of geographical events has been fully developed in geography. A geographical event model is proposed, which greatly enrich the research field mining. In the field of geographical events, a large number of experts and scholars in different research direction, put forward different geographical event mining algorithm. Ocean mining is a geographical event One of the most important research direction of event mining, the research has important scientific significance and practical significance for the study of regional air sea interaction and global climate change! This paper respectively from the data mining and marine abnormal events of the two aspects, in the mining of geographic events and association rules analysis, according to the continuity of marine phenomena the proposed mining algorithm of two marine abnormal events association rules, and then select the various Pacific Ocean Environment Elements active as the research object, for example mining. The main work is divided into several parts as follows: (1) the research current situation and geographical events in mining association rules of data mining are introduced in detail the research status of the geographical events including research situation and research status of geographical events geographical event model in mining area. (2) describes space-time transaction table event oriented mining process. First introduced on the concept and definition of the related marine environment, and then introduces the process of marine elements abnormal state extraction, including extraction of monthly anomaly, marine elements discretization and single moment extraction. Finally the abnormal state of the ocean elements this time, the transaction table constructed on the basis of the above, and given the transaction table method for noise elimination. (3) proposed association rule mining algorithm dealing with marine abnormal events. The core idea of Apriori algorithm, this paper gives the classical association rules mining, which is based on the support degree is determined according to the frequent itemsets. Confidence determines the strong association rules. On this basis, combined with the background of the marine environment are two association rules mining algorithm: for the common occurrence of events and CE-ARMA algorithm for non synchronization The MAETP-ARMA algorithm of events. For the CE-ARMA algorithm, the related concepts and definitions, the given algorithm secondly, difference and relation are given with the Apriori algorithm, and then the detailed design process are given, finally, by way of example to illustrate the operation process of the algorithm. For MAETP-ARMA algorithm, some basic concepts related to the algorithm are given secondly, a detailed description of the algorithm and the difference algorithm, then the algorithm design steps, finally, the operation process is still in the instance of the way to express the algorithm. The two algorithm though Apriori algorithm with "link - pruning" characteristics, but are solved by the Apriori prototype algorithm can not handle abnormal events the continuity of the problem. (4) associated with global climate change and regional ocean atmosphere interaction in most Pacific region close to the study area, Association rules mining and association rules analysis between typical events are done by using marine environmental data such as sea surface temperature and sea surface height anomaly. Finally, the algorithm is analyzed from time complexity and algorithm efficiency.

【學(xué)位授予單位】：重慶交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP311.13;P71

【相似文獻】

相關(guān)期刊論文 前9條

1 劉振宇;徐維祥;;多支持度關(guān)聯(lián)規(guī)則在庫存管理中的應(yīng)用[J];內(nèi)蒙古大學(xué)學(xué)報(自然科學(xué)版);2012年03期

2 趙海云;劉強;左偉;趙文馳;;基于關(guān)聯(lián)模式的房產(chǎn)面積分析方法[J];測繪通報;2011年03期

3 潘海為;譚小雷;韓啟龍;;領(lǐng)域知識驅(qū)動的醫(yī)學(xué)圖像關(guān)聯(lián)模式挖掘算法[J];黑龍江大學(xué)自然科學(xué)學(xué)報;2009年05期

4 蘭秋軍,馬超群,文鳳華;基于共同機制的時間序列關(guān)聯(lián)模式挖掘系統(tǒng)及其應(yīng)用[J];系統(tǒng)工程理論與實踐;2004年08期

5 喬曉春;;氣象關(guān)聯(lián)模式簡介及該模式若干理論問題的初步探討[J];青海氣象;2001年03期

6 戰(zhàn)金艷,魯奇,鄧祥征;城鄉(xiāng)關(guān)聯(lián)發(fā)展評價模型系統(tǒng)構(gòu)建——以山東省為例[J];地理研究;2003年04期

7 葉煉煉;;關(guān)聯(lián)規(guī)則在路由監(jiān)測系統(tǒng)的應(yīng)用[J];科技信息;2010年35期

8 王全;;基于ESDA的上海地區(qū)經(jīng)濟關(guān)聯(lián)模式研究[J];測繪科學(xué);2011年05期

9 ;[J];;年期

相關(guān)會議論文 前6條

1 李寧君;;關(guān)聯(lián)規(guī)則在圖書館管理中的應(yīng)用[A];廣西圖書館學(xué)會2011年年會暨第29次科學(xué)討論會論文集[C];2011年

2 王媛媛;胡學(xué)鋼;;關(guān)聯(lián)規(guī)則挖掘研究[A];全國第16屆計算機科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2004年

3 李國輝;付暢儉;徐新文;冷智花;;NBA視頻中關(guān)聯(lián)規(guī)則挖掘[A];第四屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議論文集[C];2008年

4 張永;賈桂霞;馬華;;一種利潤約束的頻繁模式的挖掘方法[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2005年

5 廖嘉;王國仁;張博;;一種有效的基于關(guān)聯(lián)規(guī)則的視頻分類方法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2006年

6 周萬松;邱保志;李向麗;;SAM*模式操作[A];第十屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集[C];1992年

相關(guān)博士學(xué)位論文 前8條

1 肖波;可信關(guān)聯(lián)規(guī)則挖掘算法研究[D];北京郵電大學(xué);2009年

2 郭秀娟;基于關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘算法的研究[D];吉林大學(xué);2004年

3 吳黃青娥;漢越復(fù)句關(guān)聯(lián)標記模式比較[D];華中師范大學(xué);2012年

4 沈斌;關(guān)聯(lián)規(guī)則相關(guān)技術(shù)研究[D];浙江大學(xué);2007年

5 張小剛;關(guān)聯(lián)規(guī)則挖掘及其在復(fù)雜工業(yè)過程控制中的應(yīng)用研究[D];湖南大學(xué);2002年

6 賀志;關(guān)聯(lián)規(guī)則優(yōu)化方法的研究[D];北京交通大學(xué);2007年

7 錢鐵云;關(guān)聯(lián)文本分類關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2006年

8 胡星馳;基于計算方法的miRNA結(jié)構(gòu)研究及與癌癥關(guān)聯(lián)分析[D];華中科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 王瀟瑩;順應(yīng)—關(guān)聯(lián)模式下雙關(guān)語的語用研究[D];東北林業(yè)大學(xué);2015年

2 金玲;城市多源異構(gòu)關(guān)聯(lián)型時空數(shù)據(jù)的可視分析[D];浙江大學(xué);2016年

3 張歡;政府關(guān)聯(lián)對房地產(chǎn)供應(yīng)鏈的影響機制[D];清華大學(xué);2015年

4 江琳;基于項約束的關(guān)聯(lián)挖掘在鉆井作業(yè)安全預(yù)警中的研究[D];西南石油大學(xué);2016年

5 殷黎洋;全基因組乳腺癌DNA甲基化與基因表達關(guān)聯(lián)模式[D];西安電子科技大學(xué);2015年

6 李溢龍;基于時序柵格的海洋異常事件關(guān)聯(lián)規(guī)則挖掘方法研究[D];重慶交通大學(xué);2016年

7 陸梅;關(guān)聯(lián)規(guī)則挖掘在潮州電信寬帶業(yè)務(wù)中的應(yīng)用[D];廣東工業(yè)大學(xué);2007年

8 焦艷麗;順應(yīng)—關(guān)聯(lián)模式下的反語研究[D];燕山大學(xué);2012年

9 劉杰;葛瑞漢的關(guān)聯(lián)思維之再詮釋[D];上海師范大學(xué);2014年

10 許曉曉;基于社會網(wǎng)絡(luò)挖掘的產(chǎn)品消費關(guān)聯(lián)與銷售策略研究[D];重慶大學(xué);2011年

，

本文編號：1519359