论文部分内容阅读
数据挖掘和可视化技术的成功结合能够将可视化技术渗透到数据挖掘的每一个步骤中去,使用户看到数据处理的全过程,改善系统挖掘的速度和深度,增加提取新知识的可能性。本文遵循跨行业数据挖掘标准流程的CRISP-DM过程模型,研究和实现了一个挖掘流程可视化的时间序列预测系统,并将该系统应用于轨道交通AFC运营管理数据的分析,实践证明本系统具有很好的商业应用价值。本文作者的主要研究工作如下:1)对数据挖掘、时间序列数据挖掘和数据挖掘可视化等相关技术进行了理论研究,着重研究了数据挖掘过程中的可视化技术及其实现。2)设计和实现了挖掘流程可视化时间序列预测系统的三层构架模式及其对应数据挖掘、处理逻辑的四级层次结构,为实现系统的高性能奠定了基础。3)研究了径向基函数神经网络RBFNN,分析了RBFNN用于时间序列预测的原理和可行性,设计和实现了基于时间序列的RBFNN预测模型,并通过Matlab进行了仿真实验。4)参照CRISP-DM过程模型展现了时间序列预测系统的使用步骤及效果,使用户可以参与到整个挖掘过程中,包括控制数据流向和调整挖掘步骤等,从而保证用户最终能够得到高可信度的预测结果。本文实验结果表明本文设计和实践的预测模型是正确和可行的。该预测系统操作界面灵活友好,能够对轨道交通AFC的业务数据做出可信预测,并支持辅助决策应用。