發(fā)布時間：2017-05-07 11:11

  本文關(guān)鍵詞：油田數(shù)據(jù)挖掘技術(shù)的研究與應(yīng)用，，由筆耕文化傳播整理發(fā)布。

【摘要】：當前的油田系統(tǒng)由于計算機的普遍應(yīng)用,積累了大量的數(shù)據(jù),怎樣從這些大量數(shù)據(jù)中提取出有用的信息和知識,更好地為油田的發(fā)展提供幫助成為迫切需要,而數(shù)據(jù)挖掘技術(shù)的出現(xiàn)正好解決了這一問題�！� 數(shù)據(jù)挖掘是人工智能領(lǐng)域的一門重要的學科,是數(shù)據(jù)庫系統(tǒng)和新的數(shù)據(jù)庫應(yīng)用的一個有希望的、欣欣向榮的學科前沿。數(shù)據(jù)挖掘(Data Mining)通常又稱為數(shù)據(jù)庫中知識發(fā)現(xiàn)(KDD),是自動的或方便的模式提取,這些模式代表隱藏在大型數(shù)據(jù)庫、數(shù)據(jù)倉庫或其他大量信息存儲中的知識。它是一個多學科領(lǐng)域,從多個學科汲取營養(yǎng)。這些學科包括數(shù)據(jù)庫技術(shù)、人工智能、機器學習、神經(jīng)網(wǎng)絡(luò)、統(tǒng)計學、模式識別、知識庫系統(tǒng)、知識獲取、信息檢索、高性能計算和數(shù)據(jù)可視化�！� 貝葉斯方法和聚類分析技術(shù)是數(shù)據(jù)挖掘中常用的分類方法。貝葉斯方法的特點是使用概率去表示所有形式的不確定性,學習或其他形式的推理都用概率規(guī)則來實現(xiàn)。貝葉斯方法在文本分類中具有較高的準確率。聚類分析是一種數(shù)據(jù)劃分或分組處理的重要方法和手段,它的目的是使得屬于同一類別的個體之間的距離盡可能的小,而不同類別上的個體間的距離盡可能的大�！� 本文首先對數(shù)據(jù)挖掘的現(xiàn)狀、發(fā)展趨勢和應(yīng)用領(lǐng)域進行了概述,然后詳細研究了貝葉斯學習方法和聚類分析技術(shù),最后根據(jù)油田數(shù)據(jù)的特點,將其應(yīng)用于油田數(shù)據(jù)監(jiān)控系統(tǒng)中,達到了預(yù)期的效果。　　
【關(guān)鍵詞】：數(shù)據(jù)挖掘 人工智能 貝葉斯學習 聚類分析　
【學位授予單位】：大慶石油學院
【學位級別】：碩士
【學位授予年份】：2005
【分類號】：TP311.13
【目錄】：

• 第一章 數(shù)據(jù)挖掘概述8-13
• 1.1 時代的挑戰(zhàn)8-9
• 1.2 數(shù)據(jù)挖掘的定義9
• 1.3 數(shù)據(jù)挖掘的內(nèi)容和本質(zhì)9-10
• 1.4 國內(nèi)外數(shù)據(jù)挖掘的研究現(xiàn)狀10-11
• 1.4.1 國外的研究現(xiàn)狀11
• 1.4.2 國內(nèi)的研究現(xiàn)狀11
• 1.5 數(shù)據(jù)挖掘的發(fā)展趨勢11-13
• 第二章 數(shù)據(jù)挖掘系統(tǒng)原理13-19
• 2.1 數(shù)據(jù)挖掘系統(tǒng)結(jié)構(gòu)13-14
• 2.2 數(shù)據(jù)挖掘的過程14-15
• 2.2.1 數(shù)據(jù)準備14
• 2.2.2 數(shù)據(jù)挖掘階段14-15
• 2.2.3 結(jié)果解釋和評價15
• 2.3 數(shù)據(jù)挖掘的任務(wù)15
• 2.4 數(shù)據(jù)挖掘的方法15-17
• 2.5 數(shù)據(jù)挖掘的對象17-18
• 2.5.1 關(guān)系數(shù)據(jù)庫17
• 2.5.2 數(shù)據(jù)倉庫17
• 2.5.3 高級數(shù)據(jù)庫系統(tǒng)和高級數(shù)據(jù)庫應(yīng)用17-18
• 2.6 評價數(shù)據(jù)挖掘軟件需要考慮的問題18-19
• 第三章 貝葉斯學習19-24
• 3.1 貝葉斯方法簡介19
• 3.2 貝葉斯法則19-21
• 3.3 樸素貝葉斯分類器21-22
• 3.4 樸素貝葉斯分類器的應(yīng)用22-24
• 第四章 聚類分析24-30
• 4.1 聚類分析概述24-25
• 4.2 主要聚類方法的分類25-26
• 4.3 孤立點分析方法26-30
• 4.3.1 基于統(tǒng)計的孤立點檢測27-28
• 4.3.2 基于距離的孤立點檢測28
• 4.3.3 基于偏離的孤立點檢測28-30
• 第五章 油田數(shù)據(jù)庫監(jiān)控系統(tǒng)的實現(xiàn)30-39
• 5.1 系統(tǒng)簡介30-31
• 5.1.1 系統(tǒng)的整體結(jié)構(gòu)30
• 5.1.2 系統(tǒng)功能30-31
• 5.2 用戶操作監(jiān)控模塊31-32
• 5.3 數(shù)據(jù)質(zhì)量跟蹤模塊32-36
• 5.3.1 靜態(tài)數(shù)據(jù)跟蹤模塊32
• 5.3.2 動態(tài)數(shù)據(jù)跟蹤模塊32-36
• 5.3.3 小結(jié)36
• 5.4 網(wǎng)絡(luò)查詢模塊36-39
• 結(jié)論39-40
• 致謝40-41
• 參考文獻41-43
• 攻讀碩士學位期間發(fā)表的學士論文43-44
• 大慶石油學院碩士研究生學位論文摘要44-48

【引證文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 聶慧慧;;數(shù)據(jù)挖掘技術(shù)的研究[J];福建電腦;2009年10期

2 趙貴菊;;基于聚類方法的軟件設(shè)計與應(yīng)用[J];計算機工程與設(shè)計;2009年24期

3 曹莎莎;;數(shù)據(jù)挖掘在油田生產(chǎn)中的應(yīng)用[J];山西電子技術(shù);2009年05期

4 張雪松;毛云龍;檀竹南;;數(shù)據(jù)挖掘技術(shù)的研究應(yīng)用綜述[J];中國石油和化工;2008年12期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 晁會霞;基于油田多源數(shù)據(jù)分析與挖掘的白豹地區(qū)儲層特征研究[D];長安大學;2009年

中國碩士學位論文全文數(shù)據(jù)庫 前2條

1 蘇菡;商業(yè)性健身俱樂部客戶流失分析及對策研究[D];吉林大學;2009年

2 周慎;基于SQL server2005的罪犯信息數(shù)據(jù)挖掘技術(shù)研究與應(yīng)用[D];電子科技大學;2010年

  本文關(guān)鍵詞：油田數(shù)據(jù)挖掘技術(shù)的研究與應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號：349752