1、貝葉斯分類和時(shí)序相似性挖掘都是數(shù)據(jù)挖掘領(lǐng)域中的重要技術(shù),在經(jīng)濟(jì)、金融、科學(xué)觀測和工程等各個(gè)領(lǐng)域廣泛應(yīng)用,是目前研究的熱點(diǎn)。本文對增量貝葉斯分類技術(shù)和時(shí)序相似性挖掘技術(shù)進(jìn)行了深入研究,針對特定領(lǐng)域,提出改進(jìn)算法,并將改進(jìn)算法應(yīng)用于實(shí)際。本文首先對貝葉斯分類技術(shù)和時(shí)序數(shù)據(jù)相似性挖掘技術(shù)的發(fā)展和研究概況進(jìn)行了綜述,闡述了當(dāng)前研究的重點(diǎn)和存在的難點(diǎn)。敘述了數(shù)據(jù)分類的基本概念,以及貝葉斯分類算法和時(shí)序相似性算法的基本概念和算法原理,并詳細(xì)介紹了數(shù)

2、據(jù)預(yù)處理的方法。
　　 針對貝葉斯分類器在訓(xùn)練數(shù)據(jù)集相對較小的情況下難以得到充分的訓(xùn)練,以及增量式貝葉斯分類器分類損失評估函數(shù)復(fù)雜度過高的情況。本文提出一種基于類支持度的增量貝葉斯分類器學(xué)習(xí)算法,通過分析貝葉斯分類原理中最大后驗(yàn)概率類與其他概率類之間的聯(lián)系,簡化了傳統(tǒng)的分類損失評估函數(shù),使貝葉斯分類器的增量學(xué)習(xí)效率得到了提高。論文對該算法進(jìn)行了仿真實(shí)驗(yàn),實(shí)驗(yàn)驗(yàn)證了算法的可行性。
　　 本文詳細(xì)介紹了時(shí)序數(shù)據(jù)相似性挖掘的主

3、要原理與方法,并分析了各種方法的優(yōu)缺點(diǎn),提出了一種多變量的快速分層相似性搜索算法。該算法利用時(shí)序的重要點(diǎn)構(gòu)建特征索引庫,使用趨勢距離和重要點(diǎn)幅值排序等方法作為距離度量。文章采用工業(yè)現(xiàn)場數(shù)據(jù)對該算法做了實(shí)驗(yàn),實(shí)驗(yàn)收到了良好的效果。
　　 最后,介紹了增量貝葉斯分類算法和時(shí)序相似性算法在氧化鋁旋窯控制中的應(yīng)用,提出了基于增量貝葉斯分類的熱工數(shù)據(jù)預(yù)測模塊和基于時(shí)序相似性搜索的異常工況處理模塊的設(shè)計(jì)框架。在現(xiàn)場試驗(yàn)中,以上功能模塊取得了