DK7732數(shù)控高速走絲電火花線切割機(jī)及控制系統(tǒng)

DK7732數(shù)控高速走絲電火花線切割機(jī)及控制系統(tǒng),dk7732,數(shù)控,高速,電火花,切割機(jī),控制系統(tǒng) 不完整測(cè)量數(shù)據(jù)的概念建構(gòu) 王壽宏，王海 摘要： 對(duì)資料挖掘來說，未經(jīng)加工的調(diào)查數(shù)據(jù)通常是不完整的。資料挖掘中缺失數(shù)據(jù)的問題在知識(shí)發(fā)現(xiàn)過程中常被忽略。這篇文章介紹了在不完整調(diào)查數(shù)據(jù)中資料挖掘的基礎(chǔ)概念，以及計(jì)劃知識(shí)發(fā)現(xiàn)中的咨詢過程，和在調(diào)查資料挖掘咨詢功能在概念解釋上的發(fā)展趨勢(shì)。這篇文章通過一個(gè)事例，論證了通過使用人工智力工具譬如自組織映射，不完整數(shù)據(jù)的概念解釋可以完成。 1.引言 數(shù)據(jù)挖掘就是分析數(shù)據(jù)以圖從中找出有用模型的過程。而數(shù)據(jù)挖掘與傳統(tǒng)的 統(tǒng)計(jì)分析有所不同，因?yàn)閿?shù)據(jù)挖掘的目的是找出對(duì)數(shù)據(jù)所有者或數(shù)據(jù)挖掘員有價(jià) 值而又確定的關(guān)系。鑒于數(shù)據(jù)的維數(shù)和數(shù)據(jù)量本身的巨大，傳統(tǒng)的的統(tǒng)計(jì)分析方 法在數(shù)據(jù)挖掘時(shí)有其局限性。為滿足數(shù)據(jù)挖掘的最新需要，在數(shù)據(jù)挖掘領(lǐng)域里面 已經(jīng)廣泛采用基于人-機(jī)互動(dòng)技術(shù)的人工智能技術(shù)。 數(shù)據(jù)挖掘時(shí)有很多非統(tǒng)計(jì)技術(shù)?；贙ohonen神經(jīng)網(wǎng)絡(luò)的自組織映射(SOM)法是其中一種比較有前途的方法?；诩杭夹g(shù)的SOM法對(duì)其他方法來說有優(yōu)勢(shì)。通常數(shù)據(jù)挖掘技術(shù)處理一些十分高維的數(shù)據(jù)，也就是說做數(shù)據(jù)挖掘的數(shù)據(jù)庫(kù)通常是由很多變量決定的?！熬S數(shù)災(zāi)難”使得對(duì)數(shù)據(jù)關(guān)系的統(tǒng)計(jì)分析變得毫無意義，這也使得統(tǒng)計(jì)方法變得無能為力了。然而SOM方法并不依賴任何假定的統(tǒng)計(jì)測(cè)試，因而被認(rèn)為是處理多維數(shù)據(jù)的有效方法。更為重要的是SOM方法提供了多維可視化數(shù)據(jù)串的基礎(chǔ)。這種特色是其他任何數(shù)據(jù)分析方法都不具備的。它允許數(shù)據(jù)挖掘者分析該問題域中的集群。 測(cè)量只是數(shù)據(jù)采集中的一種普通數(shù)據(jù)獲取方法。在數(shù)據(jù)挖掘的中，我們得到的調(diào)研數(shù)據(jù)集通常很難滿足每個(gè)變量都有填寫完全的觀測(cè)結(jié)果。一般地，被調(diào)查者只部分地完成調(diào)研和問卷調(diào)查的內(nèi)容。當(dāng)事實(shí)上我們無法再次面向被調(diào)查者完成調(diào)研和問卷調(diào)查的全部?jī)?nèi)容時(shí)，我們并不知道缺失數(shù)據(jù)的嚴(yán)重性,但這是數(shù)據(jù)掘中有待發(fā)現(xiàn)的最重要部分之一。事實(shí)上，在知識(shí)工程領(lǐng)域缺失數(shù)據(jù)是一個(gè)重要而具有爭(zhēng)議的問題。 通過集群分析在挖掘由不完整數(shù)據(jù)構(gòu)成的調(diào)查數(shù)據(jù)庫(kù)過程中，缺失數(shù)據(jù)的類 型及缺失數(shù)據(jù)對(duì)數(shù)據(jù)挖掘的潛在影響是一門學(xué)問。例如，數(shù)據(jù)挖掘者通常希望能 知道集群分析的可信程度；一些有價(jià)值的類型通常是什么時(shí)候和怎樣丟失的；以 及丟失有價(jià)值數(shù)據(jù)的時(shí)候哪些變量與之有關(guān)系。這些有價(jià)值東西在缺失數(shù)據(jù)集部 分被充分發(fā)掘之后才能發(fā)現(xiàn)。 這篇文章討論了知識(shí)發(fā)現(xiàn)中在發(fā)掘調(diào)研數(shù)據(jù)庫(kù)過程中數(shù)據(jù)缺失的問題，并介 紹了概念解釋的概念基礎(chǔ)，以及建議設(shè)立基于SOM數(shù)據(jù)挖掘概念解釋查詢功能。以下部分是這樣安排的：第二部分討論數(shù)據(jù)缺失與數(shù)據(jù)挖掘的關(guān)系問題；第三部分介紹數(shù)據(jù)挖掘中SOM的概念解釋；第四部分說明了挖掘不完整數(shù)據(jù)的4個(gè)概念的知識(shí)發(fā)現(xiàn)；并提供了應(yīng)用SOM挖掘不完整數(shù)據(jù)的概念解釋的圖解。第五部分建立用于操控SOM的概念解釋查詢工具。第六部分介紹一個(gè)例子，該例子應(yīng)用咨詢工具對(duì)一個(gè)學(xué)生判斷測(cè)量的數(shù)據(jù)集進(jìn)行熟練操作SOM系統(tǒng)的概念建構(gòu)。最后，第七部分作了結(jié)束語。 2 數(shù)據(jù)缺失問題 不完整數(shù)據(jù)集普遍存在于數(shù)據(jù)挖掘中。數(shù)據(jù)缺失的解決辦法有許多種,其中對(duì)付不完整數(shù)據(jù)的一種方便辦法是將那些已記錄沒有價(jià)值的數(shù)據(jù)集排除掉。然而這忽略了這些記錄中潛在的有用信息。萬一缺失數(shù)據(jù)的比重較大，從篩選過的數(shù)據(jù)中得出的結(jié)論就會(huì)有偏頗或引起誤導(dǎo)。 另一種處理丟失數(shù)據(jù)的簡(jiǎn)單方法是用一類通用的“未知”來代替所有丟失數(shù) 據(jù)項(xiàng)。數(shù)據(jù)挖掘中，不確定的“未知”通常在丟失數(shù)據(jù)項(xiàng)中引起混亂和誤解。 對(duì)付缺失數(shù)據(jù)的第三種辦法是排除數(shù)據(jù)域中沒有價(jià)值的數(shù)據(jù)。對(duì)于時(shí)序數(shù)列，可觀察到的相鄰數(shù)據(jù)點(diǎn)可以插補(bǔ)。一般情況下，數(shù)據(jù)域中預(yù)期值可用于統(tǒng)計(jì)測(cè)量。然而，數(shù)據(jù)挖掘中，調(diào)研數(shù)據(jù)類型通常是隊(duì)、類，有多項(xiàng)選擇的，二進(jìn)制的。這些例子中，插補(bǔ)及特殊缺失數(shù)據(jù)變量的使用通常是不夠的。更為重要的是， 研究表明，解決缺失數(shù)據(jù)的有效辦法應(yīng)該總是獨(dú)立于問題之外去研究。 　　新近，發(fā)現(xiàn)損缺失數(shù)據(jù)集的合計(jì)概念方向有了精確的方法。這些方法與傳統(tǒng) 逼近法處理缺失數(shù)據(jù)截然不同，它著眼于缺失數(shù)據(jù)的整體，而不是個(gè)別缺失的價(jià) 值。這些方法的這個(gè)高級(jí)特征使不完整數(shù)據(jù)的數(shù)據(jù)挖掘得以加強(qiáng)。然而這些統(tǒng)計(jì) 方法有其局限性。首先，得假定缺失價(jià)值存在于隨機(jī)方式或者新遵循一定的分配 儀式。這些關(guān)于數(shù)據(jù)分配嚴(yán)格假定通常是無效的，特別對(duì)不完善數(shù)據(jù)的測(cè)定。第 二，這些數(shù)學(xué)模型通常是數(shù)據(jù)驅(qū)動(dòng)，而不是“問題領(lǐng)域驅(qū)動(dòng)”。實(shí)際上，由于數(shù) 據(jù)挖掘的目標(biāo)常常與具體問題域有關(guān)聯(lián)，一個(gè)單獨(dú)普通概念建構(gòu)算法不足以應(yīng)付 數(shù)據(jù)挖掘的多樣目標(biāo)。 數(shù)據(jù)庫(kù)的知識(shí)發(fā)現(xiàn)是鑒別有效的、新奇的、有潛在作用并最終可以理解的數(shù) 據(jù)模式的有實(shí)際意義的過程。根據(jù)這個(gè)定義，這項(xiàng)研究強(qiáng)調(diào)利用不完整數(shù)據(jù)進(jìn)行 數(shù)據(jù)挖掘概念構(gòu)建的兩個(gè)方面。首先，利用不完整數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘中，有效、 新奇、有用的標(biāo)準(zhǔn)隨問題而定。那就是，一個(gè)數(shù)據(jù)模式不單獨(dú)依賴于該模式估計(jì) 的統(tǒng)計(jì)力，也依賴于數(shù)據(jù)挖掘者。第二，通過對(duì)建立于計(jì)算機(jī)和人類認(rèn)識(shí)理論的 組合空間的啟發(fā)式研究，可以完成基于不完整數(shù)據(jù)的概念建構(gòu)。人機(jī)協(xié)作進(jìn)行概 念建構(gòu)就是在數(shù)據(jù)挖掘者和計(jì)算機(jī)之間發(fā)掘出新奇、似是而非、有用的、相關(guān)的 和有趣味性與缺失數(shù)據(jù)相關(guān)的知識(shí)的人機(jī)交互式過程。 照我們看來，數(shù)據(jù)挖掘與傳統(tǒng)統(tǒng)計(jì)在處理缺失數(shù)據(jù)方面有很多不同。 (1)數(shù)據(jù)挖掘試圖從數(shù)據(jù)中去發(fā)掘出無疑的、潛在的有用模式，是由于數(shù)據(jù)挖掘者的新奇目標(biāo)在于缺失數(shù)據(jù)而不在于估計(jì)個(gè)別缺失數(shù)據(jù)的價(jià)值。 (2)數(shù)據(jù)挖掘是人類知識(shí)發(fā)現(xiàn)環(huán)道中心環(huán)節(jié)工具,該過程是通過人機(jī)交互而認(rèn) 識(shí)到由集合水平上缺失數(shù)據(jù)引起的沖擊，更甚于僅用基于未經(jīng)證實(shí)的假設(shè)的數(shù)學(xué) 方法得出的結(jié)論。 3.概念建構(gòu)的工具：自映射組織（SOM） 　　 假如有一個(gè)很大多維集調(diào)研的例子，通常就會(huì)有很大一部分觀察資料丟失 價(jià)值，然而并非所有的缺失數(shù)據(jù)都引起數(shù)據(jù)挖掘者的興趣。因此，對(duì)于一個(gè)有巨 大數(shù)據(jù)來說，任何簡(jiǎn)單的強(qiáng)力搜索缺失數(shù)據(jù)的方法都是不可行，而且，當(dāng)數(shù)據(jù)挖 掘者通過數(shù)據(jù)挖掘僅為了找出問題或者發(fā)展概念時(shí)該方法是沒有用的。為明確問 題或創(chuàng)建概念，數(shù)據(jù)挖掘者需要一種工具來觀察可利用數(shù)據(jù)與缺失數(shù)據(jù)的確定模 式。 由于自映射組織（SOM）比流行的k-群集算法在計(jì)算方面更有效率，因此在群集分組中廣泛應(yīng)用。更為重要的是，SOM為數(shù)據(jù)挖掘者提供數(shù)據(jù)的可視化，用來觀察多維數(shù)據(jù)。研究表明，SOM在數(shù)據(jù)挖掘中鑒別未可懷疑的數(shù)據(jù)模式中很有效。特別是，SOM可用在多變量測(cè)量數(shù)據(jù)的集群分析。這個(gè)研究更進(jìn)一步，把SOM作為有關(guān)缺失數(shù)據(jù)的概念建構(gòu)的工具。不完整數(shù)據(jù)的概念建構(gòu)是為了研究缺失數(shù)據(jù)的模式，如同這些缺失數(shù)據(jù)對(duì)基于完整數(shù)據(jù)的挖掘結(jié)果的潛在沖擊。下面例子說明，SOM提供一種人機(jī)協(xié)作從缺失價(jià)值的數(shù)據(jù)中建構(gòu)概念的機(jī)制。 SOM能輸入模式中,通過無人監(jiān)督（競(jìng)爭(zhēng)的）學(xué)習(xí)過程,學(xué)會(huì)一定有用的特征， 以及把多維數(shù)據(jù)繪制到低維圖片，這樣數(shù)據(jù)挖掘者可觀測(cè)到集群圖片。圖1描述了研究中應(yīng)用二層SOM的神經(jīng)網(wǎng)絡(luò)。低層節(jié)點(diǎn)（輸入節(jié)點(diǎn)）通過采樣數(shù)據(jù)點(diǎn)接收輸入數(shù)值。高層節(jié)點(diǎn)（輸出節(jié)點(diǎn)）在無人監(jiān)督學(xué)習(xí)后回饋輸入的組織映象。每個(gè)低層節(jié)點(diǎn)都經(jīng)過一個(gè)可變聯(lián)接權(quán)量，聯(lián)結(jié)到每個(gè)高層節(jié)點(diǎn)。 SOM無人監(jiān)督學(xué)習(xí)過程可簡(jiǎn)要如下所述。開始時(shí)聯(lián)結(jié)承載較小隨機(jī)數(shù)學(xué)。輸入節(jié)點(diǎn)接收由采樣數(shù)據(jù)點(diǎn)引入的輸入代表向量。輸入向量經(jīng)過聯(lián)接傳送到輸出節(jié)點(diǎn)。激活的輸出節(jié)點(diǎn)依賴于輸入。在勝者通吃的競(jìng)爭(zhēng)制度中，與輸入向量有最相似的權(quán)量的輸出節(jié)點(diǎn)被激活。在學(xué)習(xí)階段，權(quán)量依照Kohonen的學(xué)習(xí)規(guī)則更新。 權(quán)量更新僅存在于激活的輸出節(jié)點(diǎn)以及拓?fù)溧忺c(diǎn)（如圖1）。在這種一維空間輸出事例中，我們假定了一個(gè)線性鄰域。該鄰域開始很大，尺寸隨時(shí)間慢慢減小。因?yàn)閷W(xué)習(xí)速度將趨于零，學(xué)習(xí)進(jìn)程也將最終集于一點(diǎn)。 引入足夠的輸入向量后，權(quán)量將指定群集以便本地群集密度函數(shù)趨于接近輸 入向量的密度函數(shù)。由于共享相似拓?fù)涞墓?jié)點(diǎn)對(duì)相似輸入敏感，所以權(quán)量得組織。因而SOM的輸出節(jié)點(diǎn)要組織，同時(shí)，在預(yù)先并不了解聚類中心的情況下，也體現(xiàn)真實(shí)自映射組織聚類。讀者可到12章中看更詳細(xì)內(nèi)容。 4、不完整數(shù)據(jù)的概念建構(gòu) 　　這篇文章中，不完整數(shù)據(jù)的概念建構(gòu)通過兩個(gè)階段來完成的。首先，SOM應(yīng)用于完整數(shù)據(jù)的數(shù)據(jù)集中，顯示了引入聚類的數(shù)據(jù)的不同尋常的模式。基于這些聚類，數(shù)據(jù)挖掘者能鑒別出明確的數(shù)據(jù)模式，并清晰說清楚問題。其次，與正被討論的聚類有關(guān)聯(lián)的缺失價(jià)值的不完整數(shù)據(jù)，構(gòu)造出新概念。這一段中，數(shù)據(jù)挖掘者估計(jì)了缺失數(shù)據(jù)對(duì)問題鑒別以及發(fā)展與缺失數(shù)據(jù)相關(guān)的知識(shí)的沖擊。第一階段的任務(wù)跟大部分SOM在聚類鑒別的應(yīng)用一樣。這篇文章集中目標(biāo)于第二階段，并計(jì)劃了不完整數(shù)據(jù)數(shù)據(jù)挖掘的概念建構(gòu)的方法。下一步，我們建造四個(gè)概念作為不完整數(shù)據(jù)數(shù)據(jù)挖掘的知識(shí)發(fā)現(xiàn)。如同本文后面所講的，通過人協(xié)作和基于SOM的可視化數(shù)據(jù)，這些概念能夠建造出來。 4.1　可靠性 依照正被調(diào)查的問題，可靠性概念顯示了缺失數(shù)據(jù)的范圍。有兩個(gè)指數(shù)應(yīng)用 于該概念。 C1：/ 是缺失價(jià)值數(shù)據(jù)采樣的數(shù)量，是使用的聚類鑒定的完整價(jià)值的數(shù)據(jù)采樣的數(shù)量。顯然，/的值越高，聚類的觀測(cè)可靠性越低。 C2:(i)/(i) (i)是變量i的缺失數(shù)值，(i)是使用的聚類鑒定的采樣變量i的數(shù)值。再則，根據(jù)變量i，(i)/(i)的值越大，聚類的觀測(cè)可靠性越低。 　　4.2 隱匿 　　隱匿的概念揭示一次觀測(cè)結(jié)果的值在一定范圍內(nèi)變化意味著將在另一個(gè)變量中丟失價(jià)值。 C3: (i)|x(j)=(a,b) (i)是變量i的漏測(cè)值，x(j)是變量j的值，而（a,b）是x(j)的值的范圍。 索引揭示了測(cè)量疑問的不確定答案的程度，例如“未知”和“中立的”，或者組織缺失數(shù)據(jù)的意圖，例如“不想告訴”。 4.3　反求運(yùn)算 反求運(yùn)算的概念揭示了變量同時(shí)更可能缺失值。 C4:(i,j)/(i) (i,j)是變量i和j的漏測(cè)值, (i)是變量i的漏測(cè)值。C4這個(gè)概念揭示兩個(gè)變量的漏測(cè)值的相互關(guān)系。(i,j)/(i)的值越大，漏測(cè)值之間的相互關(guān)系越緊密。 4.4、條件效應(yīng) 條件效應(yīng)這個(gè)概念揭示了聚類鑒別的潛在變化，若缺失價(jià)值已完成。 C5: |=k是數(shù)據(jù)挖掘者感覺到的聚類的變化量，代表變量i的所有漏測(cè)值，而k是測(cè)量中可能出現(xiàn)的可能值。特別地，k={max,min,p}，max是刻度的最大值，min是刻度的最小值，而p是隨機(jī)變量在完整數(shù)據(jù)中的同種分布函數(shù)的值。對(duì)漏測(cè)值來說，賦予k不同的值，數(shù)據(jù)挖掘者可能觀測(cè)到聚類的變化，然后重新限定問題。 簡(jiǎn)言之，不完整數(shù)據(jù)的概念建構(gòu)是一門學(xué)問的發(fā)展過程。不完整數(shù)據(jù)中建造一個(gè)新概念，需要數(shù)據(jù)挖掘者去明確建構(gòu)中的特別問題。漏測(cè)值的四個(gè)概念是可靠性、隱匿性、求反運(yùn)算及條件效應(yīng)。下一步我們逐步展開不完整數(shù)據(jù)概念建構(gòu)中的質(zhì)疑。我們質(zhì)疑的目的是使數(shù)據(jù)挖掘者能夠通過使用SOM來操作實(shí)驗(yàn)過程，從而建造出新的與問題相關(guān)的概念。 5、概念建構(gòu)的詢問處理 結(jié)構(gòu)化查詢語言（SQL）這種查詢工具具有特征，這種標(biāo)準(zhǔn)查詢語言常用于相關(guān)數(shù)據(jù)庫(kù)管理系統(tǒng)。對(duì)于數(shù)據(jù)挖掘，由于數(shù)據(jù)庫(kù)信息檢索的最終目標(biāo)是通過應(yīng)用多變技術(shù)的明確表達(dá)的知識(shí)，創(chuàng)造一種單純的標(biāo)準(zhǔn)查詢語言能滿足數(shù)據(jù)挖掘的各個(gè)目的是不太可能的。然而，為了維持人機(jī)協(xié)作高效運(yùn)轉(zhuǎn)，數(shù)據(jù)挖掘中可視化詢問處理很必要。這個(gè)研究通過基于SOM的聚類分析，發(fā)展一套查詢函數(shù)來幫助數(shù)據(jù)挖掘者建造與缺失數(shù)據(jù)相關(guān)的概念。 基于SOM數(shù)據(jù)挖掘的計(jì)算環(huán)境是微軟的Excel。這使資料庫(kù)、SOM程序與詢問處理有可能整合為一個(gè)單純環(huán)境。應(yīng)用微軟的Excel，依靠電子表格，數(shù)據(jù)得以儲(chǔ)存；通過宏指令（VBA）SOM程序得以執(zhí)行；圖形函數(shù)支持?jǐn)?shù)據(jù)可視化；宏指令也使得查詢處理函數(shù)能夠運(yùn)行。圖2描述了系統(tǒng)結(jié)構(gòu)的技術(shù)細(xì)節(jié)。解決了基于PC的軟件問題，系統(tǒng)結(jié)構(gòu)變得簡(jiǎn)單而易于執(zhí)行。然而，從實(shí)際應(yīng)用的觀點(diǎn)來看，軟件系統(tǒng)限制了數(shù)據(jù)挖掘中數(shù)據(jù)庫(kù)的規(guī)模。 　　七組查詢函數(shù)已發(fā)展起來，對(duì)應(yīng)于上一節(jié)所描述數(shù)據(jù)挖掘中的四個(gè)概念以及一般操作函數(shù)。通過圖形用戶界面，數(shù)據(jù)挖掘者使用詢問處理系統(tǒng)。 5.1 獲得完整數(shù)據(jù)的聚類 數(shù)據(jù)挖掘者使用查詢函數(shù)來觀測(cè)聚類及鑒定不用懷疑的完整價(jià)值數(shù)據(jù)集模式?；谀切┚垲?，數(shù)據(jù)挖掘者明確問題所在。數(shù)據(jù)挖掘者能夠選擇適合SOM數(shù)據(jù)庫(kù)的變量，并設(shè)置拓?fù)浜蚐OM參數(shù)便于管理的聚類的號(hào)碼。聚類的數(shù)量非常依賴于自然數(shù)據(jù)和SOM參數(shù)間的復(fù)雜關(guān)系。然而，通過減少SOM輸出節(jié)點(diǎn)的數(shù)量及調(diào)整巨大的學(xué)習(xí)率和初始化領(lǐng)域，數(shù)據(jù)挖掘者通常能夠減少聚類的數(shù)量；反之亦然。 應(yīng)用這個(gè)查詢函數(shù)，數(shù)據(jù)挖掘者能夠描繪所查詢的SOM聚類。由于一個(gè)聚類的邊界線在圖中通常是模糊不清的，對(duì)聚類的描繪只能基于他或她對(duì)聚類的感知。在內(nèi)部，對(duì)應(yīng)觀測(cè)采樣，輪廓與聚類的SOM輸出節(jié)點(diǎn)相關(guān)。這使電腦程序追溯聚類到數(shù)據(jù)成為可能。查詢函數(shù)返回該聚類的變量的值的范圍。 5.2 SOM的保存和更正 查詢是為了保存和更正的SOM的一般操作，如同設(shè)置數(shù)據(jù)樣值的參數(shù)、變量。數(shù)據(jù)挖掘者能夠把一系列的SOM結(jié)果與不完整數(shù)據(jù)的概念建構(gòu)相比較。 5.3 查明 C1:/ 通過SOM選定變量和確認(rèn)聚類后，數(shù)據(jù)挖掘者想知道的是觀測(cè)到的聚類的可靠性如何。這個(gè)查詢?cè)试S數(shù)據(jù)挖掘者去查明/中SOM培訓(xùn)所用變量。如果/的值大，數(shù)據(jù)挖掘者能夠發(fā)現(xiàn)個(gè)別變量的可靠性，如下面所述的。 5.4 查明C2： (i)/(i) 數(shù)據(jù)挖掘者可能對(duì)某一變量感興趣。應(yīng)用這個(gè)查詢，他能夠根據(jù)這個(gè)別的變量來核查聚類的觀測(cè)是否可靠。 5.5 查明C3： (i)/x(j)=(a,b) 該查詢函數(shù)能夠讓數(shù)據(jù)挖掘者查明一個(gè)變量的缺失值與別一變量的值的范圍之間的相互關(guān)系。這種關(guān)系提供如數(shù)值什么時(shí)候會(huì)丟失之類的信息。應(yīng)用該查詢，數(shù)據(jù)挖掘者詳細(xì)查明兩個(gè)變量如缺失值之間可能的相互關(guān)系、已一個(gè)變量知值的范圍及在其他變量中發(fā)現(xiàn)有缺失值的觀測(cè)的數(shù)量。 5.6 查明C4： (I,j)/(i) 該查詢函數(shù)能夠讓數(shù)據(jù)挖掘者找出兩個(gè)變量間缺失值的相互聯(lián)系。應(yīng)用該查詢，數(shù)據(jù)挖掘者首先選擇兩個(gè)與問題相關(guān)的變量進(jìn)行調(diào)查，然后查明這兩個(gè)變量可能總共多久一次丟失值。 5.7 查明C5：=k 該查詢函數(shù)允許數(shù)據(jù)挖掘者用假定值代替缺失值，及觀察聚類的變化。假定值可能是最大與最小值中間的任何數(shù)。與返回詳細(xì)數(shù)據(jù)不同，查詢函數(shù)返回多樣的映射以便數(shù)據(jù)挖掘者用不同的k值比較聚類?；诩俣ǚ治鲈囼?yàn)，數(shù)據(jù)挖掘者能夠在感知缺失值在確定問題中的沖擊。 6、用一個(gè)例子來學(xué)習(xí)概念建構(gòu) 這一節(jié)中我們用一個(gè)例子來闡明不完整測(cè)量數(shù)據(jù)的概念建構(gòu)中基于SOM的查詢系統(tǒng)的應(yīng)用。學(xué)生的教師調(diào)查法在大學(xué)中廣泛應(yīng)用于估評(píng)教授的教學(xué)質(zhì)量。研究中沿用的數(shù)據(jù)來自加拿大大學(xué)一個(gè)學(xué)生對(duì)教師調(diào)查法（附件A）。在這個(gè)例子中二十一個(gè)問題描述了一個(gè)教師的表現(xiàn)特征。每個(gè)問題都有五個(gè)等級(jí)的答案讓學(xué)生回答。一個(gè)問題得高分表明問題的答案是積極的。這些問題的加權(quán)平均數(shù)由聯(lián)系于評(píng)價(jià)教學(xué)效果的多種數(shù)據(jù)組成。學(xué)校教學(xué)中心的一個(gè)任務(wù)是了解教學(xué)中的問題，以便采取相應(yīng)方法（例如，教學(xué)研究會(huì)及研究所）去攻克這些問題。 由于二十個(gè)問題與一個(gè)班級(jí)學(xué)期教學(xué)效果評(píng)估相關(guān)，二十個(gè)變量組成SOM的多維數(shù)。最后一個(gè)問題與教師分級(jí)相關(guān)。研究中，該變量用于與低效教學(xué)相關(guān)的選擇，而這些教學(xué)基于該問題全部測(cè)量數(shù)據(jù)的中間值。 表1 概念建構(gòu)的例子 聚類 （采樣%） 問題相關(guān)變量 基于完整數(shù)據(jù)的問題鑒別 不完整數(shù)據(jù)的概念建構(gòu) 1 (24.8) V16,v18 學(xué)生測(cè)試結(jié)果需要更 多令人信服的解釋 測(cè)試和分配不能夠?qū)? 學(xué)生提供反饋?zhàn)饔? 對(duì)即時(shí)分級(jí)不滿意的學(xué)生， 通常對(duì)他們能否得到對(duì) 工作有益注解漠不關(guān)心 2 (26.6) V14 應(yīng)該更好規(guī)劃測(cè)試和分配 對(duì)課程學(xué)習(xí)經(jīng)驗(yàn)忽略看法 的學(xué)生通常對(duì)適當(dāng)測(cè)試或 者布置規(guī)劃漠不關(guān)心 3 (12.7) V1,v20 不能很好描述困難概念；特 別是，課本沒有給出太多幫 助時(shí) 雖然v20的缺失值率最高， 缺失值對(duì)問題鑒定不具 嚴(yán)重沖擊 收集3823個(gè)無效教學(xué)質(zhì)量觀測(cè)采樣數(shù)據(jù)后可確認(rèn)這個(gè)學(xué)校的教學(xué)問題。這些數(shù)據(jù)中，2788個(gè)是完整的。 　　SOM聚類分析方法應(yīng)用于預(yù)先確認(rèn)完整數(shù)據(jù)中的問題。使用300個(gè)SOM輸出節(jié)點(diǎn)、200個(gè)初始化領(lǐng)域節(jié)點(diǎn)后，初始學(xué)習(xí)率是0.01，2000個(gè)學(xué)習(xí)疊代后，SOM顯示四出聚類。一個(gè)聚類表明有一組存在低值，該值在進(jìn)一步分析后排除幾乎所有變量后得出的。三個(gè)聚類有蘊(yùn)含意義。 根據(jù)聚類分析，發(fā)現(xiàn)接收到低值的變量v1,v14,v16,v18和v20比較特別，與無效教學(xué)有關(guān)，如表1中前三行所述。 然后不完整數(shù)據(jù)用于建造該問題的新概念。 6.1 C1:/ 雖然觀測(cè)資料的不完整率達(dá)對(duì)整個(gè)測(cè)量來說高達(dá)37%，根據(jù)關(guān)系密切的變量（v1,v14,v16,v18和v20），/是5.2%，這說明最初識(shí)別的問題通常有效的。 6.2 C2:(i)/ 在這五個(gè)變量中，缺失值率最高是v20，達(dá)8.6%,這說明這變量（例如，無用的課本和教學(xué)材料）指示的無效教學(xué)的可靠性可能不如其他相關(guān)變量可靠。 6.3 C3:=(a,b) v16的缺失值率是2.2%。然而，52.1%的缺失值來自觀測(cè)函數(shù)x(v15)=[1,3]。這說明不滿意即時(shí)分級(jí)通常對(duì)他們能否收到對(duì)他們工作有益意見漠不關(guān)心。 6.4 C4: v14的缺失值率是3.7%。然而v14與v10由式子=33.6%緊密相聯(lián)在一塊。這說明忽略課程學(xué)習(xí)經(jīng)驗(yàn)的看法的學(xué)生，通常對(duì)測(cè)試或分配要適當(dāng)計(jì)劃漠不關(guān)心。 6.5. C5: =k 這個(gè)例子中，v20缺失值最高(達(dá)8.6%)。數(shù)據(jù)挖掘者可能想了解缺失數(shù)據(jù)的潛在沖擊。在完整數(shù)據(jù)中，V20的最小值是1，最大值是5，v20的概率分布是{0.11|v20=1，0.16|v20=2，0.21|v20=3，0.28|v20=4，0.24|v20=5}。設(shè)置好v20的缺失值的這些值之后，新的試驗(yàn)數(shù)據(jù)用來為SOM繪制示意圖。在完整數(shù)據(jù)中應(yīng)用相同的SOM拓?fù)洌俣ǚ治鲈囼?yàn)是引導(dǎo)。 如圖3所示，這個(gè)例子的全部的結(jié)論是，v20的缺失值對(duì)問題鑒定不具嚴(yán)重沖擊。 這個(gè)例子中，缺失值新的概念建構(gòu)在表1的第四欄中總結(jié)出來了。 這個(gè)例子闡述了被提議的概念建構(gòu)方法的使用，并提供一個(gè)提議方案的實(shí)驗(yàn)試驗(yàn)。容易看出，這個(gè)例子研究的數(shù)據(jù)挖掘的數(shù)值范圍相當(dāng)小。一般來說，比起這個(gè)例子來，數(shù)據(jù)挖掘應(yīng)用于在規(guī)模和維數(shù)大得多的數(shù)據(jù)集。 7. 結(jié)論 在數(shù)據(jù)挖掘領(lǐng)域，不完整數(shù)據(jù)通常受到不公正對(duì)待。這篇文章提議不完整數(shù)據(jù)的概念建構(gòu)，并提及了四個(gè)種類的缺失值概念。對(duì)于問題鑒別、數(shù)據(jù)隱藏意圖、兩個(gè)變量的缺失值求反運(yùn)算以及缺失數(shù)據(jù)的條件效應(yīng)，這些是可靠的。由于SOM在聚類和數(shù)據(jù)可視化方面的優(yōu)勢(shì)，而被選作概念建構(gòu)的工具。基于SOM聚類分析，這篇文章接著建議七類查詢函數(shù)來建構(gòu)不完整數(shù)據(jù)概念。使用這些查詢函數(shù)，數(shù)據(jù)挖掘者能夠建構(gòu)與數(shù)據(jù)挖掘問題鑒別相關(guān)的新的概念。雖然與真實(shí)事例不同，但它已被證明，概念建構(gòu)的模式能更好用在知識(shí)發(fā)現(xiàn)方面。 知識(shí)發(fā)現(xiàn)在數(shù)據(jù)庫(kù)是個(gè)正在成長(zhǎng)的領(lǐng)域。一般來說，知識(shí)發(fā)現(xiàn)開始于原始的問題鑒別。然而問題鑒別典型地證實(shí)為數(shù)據(jù)庫(kù)和一般統(tǒng)計(jì)算法力所不及的。在知識(shí)發(fā)現(xiàn)過程中，必須建造新的概念使數(shù)據(jù)不那么神秘。總之，不完整數(shù)據(jù)的概念建構(gòu)為知識(shí)發(fā)展提供有效的技術(shù)，因而，基于數(shù)據(jù)細(xì)節(jié)問題領(lǐng)域和挖掘者的對(duì)缺失數(shù)據(jù)的感知，他能夠說明數(shù)據(jù)挖掘的結(jié)果。以后的工作包括在數(shù)據(jù)庫(kù)系統(tǒng)主機(jī)上執(zhí)行軟件系統(tǒng)，并進(jìn)一步評(píng)估被提議在更大范圍的數(shù)據(jù)集的方法。