连续数据的离散化研究[开题报告]

3.0 文小白 2023-11-09 15 0 26KB 5 页 10文币

侵权投诉

开题报告

信息管理与信息系统

连续数据的离散化研究

一、选题的背景、意义

21 世纪以来，随着科学技术和社会生产力的迅速发展以及人们认识和管理水平的提高，同

时伴随着信息化，电子化进程的发展，信息处理在整个社会规模上迅速产业化。同时计算机和信

息技术的高速发展给人类社会带来了巨大的变化和影响，数据库管理系统的日益普及，使人们

能够非常方便地获取和存储大量的数据，数据成为了最重要的战略资源。

如今，随着计算机、网络和通讯等信息技术的高速发展，当今社会已经进入了网络信息时代，

计算机技术得到了迅猛的发展，特别是存储技术、数据库技术和网络技术，信息处理在整个社会

规模上迅速产业化，在技术表现为整个社会对大规模数据操作的产业化。存储设备单位价格的不

断下跌而容量的急剧扩大，关系数据库、对象数据库、多媒体数据库、地理信息数据库和空间数据

库的不断成熟并得到广泛的应用，数据库管理系统的日益普及，这使得人们所积累的数据越来

越多，并且数据与信息系统中的不确定性更加显著。海量的数据背后隐藏着许多重要的信息，人

们希望能够对其进行深入分析，以便更好地利用这些数据所隐藏的信息。目前的数据库系统可以

高效地实现数据的录入、查询、统计等功能，但无法发现数据中存在的关系和规则，无法根据现

有的数据预测未来的发展趋势，缺乏挖掘数据背后隐藏知识的手段，导致了“数据爆炸但知识

贫乏的现象”。例如，商业上条形码的普遍使用，使得每天很多行业都积累了数以万计的数据，

各种同步卫星每小时传回地球的遥感图像数据就达 50 千兆字节。要把大量的数据作为信息，信

息成为知识，知识付诸于应用，已使一些传统的方法感到无能为力。

海量的数据背后隐藏着许多重要的信息，人们希望能够对其进行深入分析，以便更好地利

用这些数据所隐藏的信息。目前的数据库系统可以高效地实现数据的录入、查询、统计等功能，但

无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势，缺乏挖掘数据

背后隐藏知识的手段。因此，如何从大量的、杂乱无章的、强干扰的数据中挖掘出潜在的、有利用

价值的信息，便成为人类智能信息处理中面临的前所未有的挑战。由此产生了人工智能研究的一

个崭新领域一一数据挖掘（Data Mining，简称 DM)。

实际数据库中存在较多的连续型数值属性，而现有的很多数据挖掘方法只能处理离散型的

属性，因而需要对连续属性进行离散化。因此，连续属性离散化方法成为数据挖掘领域重要的基

础性工作，直接影响到数据挖掘的质量。

由于各种相关领域的实际应用的推进，对于连续数据的离散化算法取得了突飞猛进的发展，

连续属性的离散化问题被广泛研究，并取得了大量成果，研究人员从不同领域提出了多种离散

化方法。

连续数据离散化技术在传统的机器学习中被当作边缘性课题而没有受到足够的重视，随着

近年来数据挖掘的不断更新发展，数据离散化在数据挖掘技术中渐渐显现出其不可替代的重要

性，在规则提取、特征分类等很多算法中，尤其是在应用粗集理论进行数据挖掘的研究中，连续

属性数据必须进行离散化。但作为一种相对比较新兴的领域，其现有的算法还远没有达到领人满

意的程度。因此，本人认为对连续数据的离散化研究是当今国内的一个重要的课题。

为数据挖掘做准备，掌握连续数据的离散化方法并知道各种方法的适用环境对于数据处理

是必要的。因此，本次毕业设计选择连续数据的离散化研究的选题。

二、研究的基本内容与拟解决的主要问题

1．研究的基本内容

掌握连续值属性离散化方法的基本思想，设一个具有连续值属性的决策信息系统

s=(U，AT∪D)，这里 U 为有限非空的样本集合，称为论域或对象空问，AT 是样本空间的非空属

性集合，D为决策属性集合，对于每个连续值属性a∈AT，其值域旷是样本空间 U在属性a上的

取值范围，由实数域上的一段左闭右开的区间[Va，Wa)来表示。对样本空间 U的连续值属性离散

化的结果就是要在每个连续值属性a的值域 Vɑ 中寻找一个恰当的划分ɑ，且在划分Pɑ 下的系统

与初始系统具有相同的决策能力，只将属性值域划分为若干互不相交的子区间，对每个子区间

以符号赋值，即得到一组屹上的离散化取值。因为任何划分只是由一组值域屹内的分割点序列

(v．<v：⋯⋯<v。)确定的，所以，离散化就是要在每个连续值域屹的划分点序列集合中选出一

个恰当的划分点序列，进而形成满足系统需要的划分。

学习和掌握几种典型的连续数据离散化方法，并熟练掌握其中一种，利用编程工具实现并

编写一个连续数据离散化的方法，并用实际的连续数据进行离散化后放置到程序决策树分析方

法C4.5 中进行测试。

2．拟解决的主要问题

学习连续数据离散化的方法，包括局部离散化和全局离散化方法、监督离散化和非监督离散

化方法、静态离散化和动态离散化方法。同时，熟练掌握其中一种方法并编程实现，并通过实际

数据对连续属性离散化并对离散化后的数据进行分析。

三、研究的方法与技术路线、研究难点，预期达到的目标

1. 研究方法和技术路线

主要采用的研究方法为实验法、文献资料法、程序设计法、数据分析法，即根据离散化的方法

找到具体的对连续数据的离散化的步骤，用软件工程的方法实现系统程序。

本次设计中采用的开发环境为Visual Studio 2005 c#和Microsoft SQL Server 2000 数据库。

开发工具 Visual Studio.NET 是.NET 平台下最为强大的开发工具，无论是软件服务商，还是

企业应用程序的部署与发布，Visual Studio.NET 都可以提供近乎完美的解决方案。Visual

Studio.NET 提供了包括设计、编码、编译调试、数据库联接操作等基本功能和基于开放架构的服务

器组件开发平台、企业开发工具和应用程序重新发布工具以及性能评测报告等高级功能。

数据库 Microsoft SQL Server 2000 是一个关系数据库管理系统，是 Microsoft 公司推出的

SQL Server 数据库管理系统的一个版本，具有Internet 集成、可伸缩和可用性、企业数据库等功能

的数据库管理系统。

2．研究难点

本次设计中理论内容是学习过程中没有遇到过的新问题，因此，理解和掌握连续数据离散

化的理论和算法是一个挑战；另外，然后如何通过编程来实现某种连续属性离散化方法也是本

文研究的难点。

3．预期目标

（1）查到连续数据离散化的方法并熟悉这些离散化方法

（2）掌握这几种连续数据离散化方法

（3）在掌握离散化方法的基础上，通过编程实现其中一种算法。

四、论文详细工作进度和安排

2011.01.11--2011.03.01 系统开发与代码设计设计阶段，开始撰写论文初稿，完成论文

提纲。

2011.03.01—2011.3.15 论文初稿

2011.03.16—2011.05.05 毕业实习,论文完善

2011.05.06---2011.05.12 论文定稿

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

10 文币 0人已下载

立即下载

摘要：

开题报告信息管理与信息系统连续数据的离散化研究一、选题的背景、意义21世纪以来，随着科学技术和社会生产力的迅速发展以及人们认识和管理水平的提高，同时伴随着信息化，电子化进程的发展，信息处理在整个社会规模上迅速产业化。同时计算机和信息技术的高速发展给人类社会带来了巨大的变化和影响，数据库管理系统的日益普及，使人们能够非常方便地获取和存储大量的数据，数据成为了最重要的战略资源。如今，随着计算机、网络和通讯等信息技术的高速发展，当今社会已经进入了网络信息时代，计算机技术得到了迅猛的发展，特别是存储技术、数据库技术和网络技术，信息处理在整个社会规模上迅速产业化，在技术表现为整个社会对大规模数据操作的产...

展开>> 收起<<

连续数据的离散化研究[开题报告].doc

共5页,预览5页

还剩页未读，继续阅读

连续数据的离散化研究[开题报告]

相关推荐

开通VIP享超值会员特权

作者详情

相关文档

推荐作者

热门标签

举报选择: