基于网格服务的数据挖掘应用研究

ｌ 数据挖 掘简 述
数据挖掘（ ＤＭ，Ｄ ｔ ｎｎ ） ａ Ｍｉｉｇ是一个利用各种分析方法 ａ 工具对海量数据进行分析，建立模型和发现数据 问联系，并 在商业、科研 等领域进 行应用 ，辅助做 出基于知识预测、决 策的过程 。数据 挖掘指“ １ 从数据库 或数据仓库 中发现 隐藏 的、预先 未知 的、有趣 的信息 的过程 ，该过程可 以看作是知 识发现中的一个核心 的步骤” 。这 门新 兴的科 学研 究领域 自 从诞生后就成为研 究的热点，至今方兴未艾Ｉ。数据挖掘的 ５ 】 范围非常厂泛 ，可 以是经济 、工业 、农业 、军事、社会 、商 一 业、 科学的数据 和卫星观 测得 到的数据 。 数据 的形态有数字 、 符号、图形、图像 、声音等 。数据 组织 方式 也各不相 同，可 以是有结构、半结构 、非结构的 。数据 挖掘的结果可 以表示
理后的数据和 归纳 后的数据 再次进行分析 ， 得出一些数据模 式，并评价数据挖掘结果的有效性和可靠性 ， 交得 出的结 提
论或新的关系、趋 势。 ２２ 网格数据挖掘 的特点 ． （）超 级计算 能力。网格计算能够 为科 学计算领域和社 １ 会经 济生活领域提供超级 的计算 能力 。 （）具有分布性和动态性 ，数据分布范围广 。在 网格计 ２
算环 境中，广域分布 的各 种资源 都是动态创建和删除 的。因
此 ，网格的数据挖掘 系统 具备 分布性和动态性 ，能够灵活调 整数据搜索 的范围：另外 ，由于数据的分布性特 点，数据挖
成各种形 式，包括规则 、法 则、科学规律 、方程和概念 网。 数据挖掘 是从 大量 的、不完全 的、有 噪声 的、模糊 的、随机
的数据集 中识别有效 的、新颖的 、潜在有用的，以及最终可 理解 的模式 的非平凡过程 。
掘算 法是 以分 布计算 的方 式并考虑 数据 流通 负载 来分析数
竞技 、商业 、生物信息学等领域的技术【。 ６ 】
算技术是解决复杂海量科学数据的访 问、 存储 、 组织和管理
的一 种 有 效 技 术 。
２ 基于 网格 的数 据挖掘
２１网格数据挖掘的基本 概念 ． 数据挖掘就是从大量的数据 中发现或“ 掘” 挖 知识， 而网 格上含有丰富的数据 ，是数据挖掘的理想 目标ｆ 。网格的数 据挖掘建立在数据 网格的基础设施和相关技术的基础上 ， 在
阶段主要 完成从数据 网格环境 中收集广 域分布的数据和 计 算资源，并对 原始数据进行 归档处理 ，更正校对 ，过滤清 理
和数据的转换、 合并。 后再对经 过处理后 的数据进行归档 。 最 （）数据的分析与挖 掘。这阶段主要完成对处理后的数据进 ２ 行分析、概括和挖掘 ，生成关联 的规则 ，发现新的数据关 系 等，并归档概括 出来 的数据 。（）模式 的评价 。这阶段对 处 ３
基于 网格服务的数据挖掘应用研 究
郭 小 雪
摘 要 ：分 析 了 网格 与 数据 挖 掘 的 概 念 ，并 结 合 网格 与数 据 挖 掘 的特 点 和 关键 技 术 ，详 细 介 绍 了开放 网格 服 务体 系 结构 、基 本 过 程 、 网格 服 务及 其接 口， 最后 给 出 了基 于Ｏ Ａ 的 网格 数 据挖 掘 的 例 子 和应 用 。 ＧＳ
Ｍｉ ｏｏ ｕｅ Ａｐ Ｕ ａ ｏ ｓ ｏ ２ ， ｏ１，０８ ｃ ｃｍｐ ｔ ｒ ｒ ｐ Ｃｔ ｎ １ ４ Ｎ ．１２０ ｉ Ｖ ．
文 章 编 号 ： １０ —５ Ｘ（０ ８ １—０００ ０ ７７ ７ ２ ０ ）００ ２ －４
开发 应用
微 型 电脑 应 用 ２０ ０８年 第 ２ Fra bibliotek卷第 ｌ 期 ｌ
数据库系统 、 统计学、机器学习、可视化和信 息科 学。 此外 ，
依赖于所用 的数据挖掘方法 ， 以及可 以使用 的其他学科的技 术 ，如神经 网络 、粗糙集理论 、知识表示 、归纳逻辑程序或 高性能计算 。 依赖于所挖掘 的数据类型或给定 的数据挖掘应
用 ，数据挖掘系统也可能集 成空间数据分 析、信息检索 、模 式识别 、图像分析 、信号处理、计算机图形学、Ｗｅ ｂ技术、
广域分布的海量数据和计算资源 的环境中发现 数据模式 ， 获 取新 的科学知识和规律 。 这个 网格计算环境提供特殊的数据 管理 、数据存储 、数据复制和 安全监控等功 能。网格数据挖
掘的基本过程分为 以下三种：ｆ）数据 的处理 。数据的处理 １
量数据进行高效的处理、分析和 挖掘 ，给科学研究领域 ，经 济领域和社会生活带来新的发现和巨大的价值 【。
关键宇 ：网格服 务；数据挖掘 ；开放 式网格服务 结构 ；服务接 口 中图分 类号 ：Ｔ ３ １１ Ｐ １． ３ 文献标识码 ：Ａ 数据挖掘是一个交叉学科领域 ， 受多个学科影响，包括
０ 引言
随着 Ｉｔ ｔ ｎｅ 的普及和计算机 软，硬件 技术 的发展 ，网 ｍｅ 格 技术越来越得到人们 的重视 ， 网格 已经被认 为是下一代 的 互联 网…。网格是构筑在 Ｉｔ ｔ上的一组 新兴技术和基础 ｎｅ ｍｅ 设施 ，其 目标 是在动态变化 的， 广域分布 的异构虚拟组织 间 实现协 同资源共享 ，多领域 的科学和工程 的问题求解 。网格 技术 的兴起就是为 了突破计算能力和地理物理位置的限制， 节约资源 ，实现世 界范 围的资源共享与服务协作【 。网格计
未来 的科学计算 以数据为 中心 。 数据 已成为科学、 军事 、 电信 、医疗等各个领域的重要资源。在 网格计算环境下 ，许
多科学与工程计算 问题 ，如高分子材料分析、生物计算 、数
字地球等 ，以及信息服务、大型跨 国企业 、远程医疗合作将 产生大量的数据 。要分析和挖掘这些广域分布的海量数据 ， 以获取新的科学知识 、 规律和决策支持信息 ， 传统的数据挖 掘模式和技术 已经无法胜任。 建立在 网格基础上 的数据挖掘 结合 网格计算的思想及其技术的优点， 能够对广域分布的海