基于自组织映射的可视化数据挖掘及其在油藏表征中的应用
针对不同的目标及应用领域,数据挖掘有多种不同的称谓,如:知识发现、信息检索、智能数据处理等.数据挖掘的一般步骤包括:问题域的界定、数据汇总、预处理、执行特定的挖掘算法、结果展示与知识评估.其中核心的工作是挖掘算法的执行.本文强调的是数据的聚类分析,即:寻找相似的数据项并对其进行类别划分.业已证明,人工神经网络是进行数据挖掘的行之有效的工具之一,特别是与数据分类和聚类有关的问题.神经网络的本质是其内在的基于样本驱动的自学习功能,它与基于假设的问题求解策略截然不同,对求解复杂的高维非线性映射问题提供了一条有效的途径.神经网络的又一特点是其对噪音数据及冲突数据的容错性及处理能力。
自组织映射 可视化 数据挖掘 油藏表征 智能数据处理 聚类分析
程国建 宋子齐 刘淑英 周冠武
西安石油大学计算机学院,西安,710065
国内会议
第六届中国Rough集与软计算学术研讨会(CRSSC”2006)
浙江金华
中文
199-201,237
2006-10-30（万方平台首次上网日期，不代表论文的发表时间）