[发明专利]一种新的数据挖掘方法

摘要

本发明公开了一种新的数据挖掘方法，所述方法包括下列步骤：步骤1：根据目标数据集中的记录统计每个目标对象的特征向量以构成粗糙数据集，每个特征向量包括其所对应的目标对象的至少一个属性数据的值；步骤2：从粗糙数据集中筛选出所有已知的第一类目标对象所对应的特征向量，对筛选出的特性向量执行数据筛选，最后获得特征向量的样本；步骤3：对数据迭代处理；步骤4：基于所述样本构建回归模型，并随之使用所构建的回归模型确定所有已知的第二类目标对象中的每个是否潜在地属于第一类目标对象。本发明通过优化数据处理流程，显著提高对数据挖掘的处理速度；能够根据目标对象的综合特征来挖掘和分类目标对象，显著地提高判定操作的效率和准确性。

主权项

1.一种新的数据挖掘方法，其特征在于：所述数据挖掘方法包括下列步骤：步骤1：根据目标数据集中的记录统计每个目标对象的特征向量以构成粗糙数据集，每个所述特征向量包括其所对应的目标对象的至少一个属性数据的值；步骤2：从所述粗糙数据集中筛选出所有已知的第一类目标对象所对应的特征向量，并对筛选出的特性向量执行数据筛选(确定特征向量中各个元素的权重值，设权重值为L，元素即特征向量的组成部分对数据挖掘的重要性参数为b，则L＝b2，对特征向量进行修正)，最后获得特征向量的样本；步骤3：对数据迭代处理，迭代的目的是为了得到一个满足标准的特征向量集合，根据目标集合的格式设置迭代矩阵，随机选择符合要求的迭代矩阵，通过循环迭代进行修正，逐步靠近目标；将数据集合与迭代矩阵相乘，然后与修正后的特征向量相乘，得到第一中间数据集合，求出第一中间数据集合与数据集合的第一偏移率；使用第一中间数据集合与迭代矩阵相乘，然后与修正后的特征向量相乘，得到第二中间数据集合，求出第二中间数据集合与第一中间数据集合的第二偏移率，当第二偏移率小于第一偏移率时，继续上述迭代过程，直至第N偏移率小于设定的阈值，得到目标数据集合，当第二偏移率大于第一偏移率时，修订迭代矩阵，重新进行迭代；步骤4：基于所述样本构建回归模型，并随之使用所构建的回归模型确定所有已知的第二类目标对象中的每个是否潜在地属于第一类目标对象。