English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 62796/95837 (66%)
造訪人次 : 3639560      線上人數 : 362
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋
    請使用永久網址來引用或連結此文件: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/6031


    題名: 以本體論為基礎的資料採礦方法發展與應用
    其他題名: The Development and Application of Ontology-Based Data Mining Approach
    作者: 廖述賢
    貢獻者: 淡江大學經營決策學系
    關鍵詞: 本體整合;資料採礦;本體關聯;本體分群;關聯法則;集群分析;股市投資組合
    日期: 2007
    上傳時間: 2009-03-16 13:22:24 (UTC+8)
    摘要: 本體論(Ontology)透過概念、實體、物件的關聯與展開,為電腦科學(computer science)與人工智慧(artificial intelligence)提供了人類心智與知識表達(human mind and knowledge representation)的理論基礎。經過本體展開之後的知識表達,可以將本體內的脈絡關係(contextual relationship)表達出來,從而將具體而存在的本體信念,透過本體關聯的圖形予以說明。但是不同的本體存在於不同的問題定域(problem domain),就會形成不同的本體類別(ontology category),當不同的本體類別分散而無法結合時,相對於問題定域的知識表達(knowledge representation)亦會不完整。因此,當問題的領域包括不同本體(或者相近的本體)時,如何將不同本體間的屬性連結?連結的法則該如何設定?以完成本體整合(ontology integration)。本研究擬修改(Rodriguez & Egenfoher, 2003)及( Han et al. 2006)的演算法,在演算法中以矩陣資料取代向量資料,使得本體整合時無法重疊或者重疊效果不佳的情形能夠改善,同時完成類別層級整合與關聯(class hierarchy integration and relation)的運算處理。本體整合完成之後,本研究發展星狀綱要資料庫(star schema database),使用資料採礦方法(data mining approach),修改與調整Apriori algorithm在多層級關聯的運算,並且與FP-Tree algorithm在本體關聯時的效率結果作比較。二階段集群分析(two-stage cluster analysis)則是驗證本體類別間是否具有本體群別,與本體關聯相互探勘本體知識發現(knowledge discovery)的結果。最後,本研究以台灣股票市場為例進行股市投資組合分析,來驗證本體整合、本體關聯、與本體分群方法發展的可行性。
    顯示於類別:[管理科學學系暨研究所] 研究報告

    文件中的檔案:

    沒有與此文件相關的檔案.

    在機構典藏中所有的資料項目都受到原著作權保護.

    TAIR相關文章

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library & TKU Library IR teams. Copyright ©   - 回饋