English  |  正體中文  |  简体中文  |  Items with full text/Total items : 51258/86283 (59%)
Visitors : 8016028      Online Users : 60
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
Scope Tips:
  • please add "double quotation mark" for query phrases to get precise results
  • please goto advance search for comprehansive author search
  • Adv. Search
    HomeLoginUploadHelpAboutAdminister Goto mobile version
    Please use this identifier to cite or link to this item: http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/6031


    Title: 以本體論為基礎的資料採礦方法發展與應用
    Other Titles: The Development and Application of Ontology-Based Data Mining Approach
    Authors: 廖述賢
    Contributors: 淡江大學經營決策學系
    Keywords: 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
    Date: 2007
    Issue Date: 2009-03-16 13:22:24 (UTC+8)
    Abstract: 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。
    Appears in Collections:[管理科學學系暨研究所] 研究報告

    Files in This Item:

    There are no files associated with this item.

    All items in 機構典藏 are protected by copyright, with all rights reserved.


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