遗传算法在数据挖掘中的应用

遗传算法属于人工智能的算法,但是其经过改进可以用来进行数据的挖掘

维普资讯

遗传算法在数据挖掘中的应用李康顺 1,李元香， 2 3滕冲王玲玲 (武汉大学软件工程国家重点实验室，武汉 4 0 7 ) 30 2 (西理工大学信息工程学院，江江西 3 10 ) 4 0 0

(武汉大学计算机学院，武汉 4 0 7 ) 3 0 2摘要论文介绍一种利用遗传算法的演化计算机编程的方法来自动建立一种动态非线性数学模型进行数据挖掘，并进行社会经济趋势预测和回归曲线拟舍，变过去那种只使用拟舍粗糙、测结果准确度差的传统预测模型进行曲线拟改预合和趋势预测的分析方法。数据实验中，用遗传算法演化计算机编程的方法自动生成的演化模型对一些真实的历史在使

资料进行了曲线拟合和发展趋势预测以及对前馈、馈误差进行了深入分析。结果表明，用该方法建立的演化模型要后使比传统的线性回归、指数回归、抛物线回归三种固定传统数学模型所预测的数据准确度高很多，而且拟合曲线的前馈标准差和预测后馈标准差也明显要小。

关键词遗传算法数据挖掘演化建模

误差分析

文章编号 10— 3 1 (0 5 0— 2 9 0 文献标识码 A中图分类号 T 3 1 0 2 8 3 - 20 )9 0 1 - 5 P l

Th p ia in o n tc Pr g a e Ap l to f Ge ei o r mm i g o t i i g c n n Da a M n nLiKa g h n Li Yu n i n Te g Ch n a W a g Li g i n su a xa g’ n o g n n l ng '

(tt e aoaoy o o w r n ier gWu a nvri, hn 4 0 7 ) Sae K y Lb rtr fSf ae E gnei, hn U iesy Wu a 3 0 2 t n t( c olo nomain a d E g e r g Ja g iU i r t fT c n lg& S in e Ja g i3 10 ) S h o fIfr t n n i ei,in x nv s y o e h oo y o n n ei ce c,i x 4 0 0 n ( c o lo o ue ce c, h n U ie i, h n 4 0 7 ) S h o fC mp trS in e Wu a nv r t Wu a 3 0 2 s yAb ta t I t i a e we r p sd n p

l ain f g n t ag rtm i d t miig h a a tma c l b i a sr c: n hs p p r p o o e a a p i to o e ei loi c c h n aa n n t t u o t al i y ul d d n mia n ni e r a t e t mo e b u ig v lig o ue p o r mmi g f e ei ag rtm t pe it he y a c l o ln a m h m i a c d l y sn e ovn c mp tr rg a n o g n t c lo h i o r dc t sca e o o c rn s n f te e o o c d v lp d c re .hs oi l c n mi te d a d i h c n mi e eo e uv sT i meh c n o vo sy i rv te rd t n t to d a b iu l mp o e h ta i o a i l me o s o e o o c p dcig a d e o o c c r e f t g whc c ud o l o ti ru h ftn c re a d h t d f c n mi r itn n c n mi u v s i i e tn ih o l ny ban o g i t g u s n i v u s t fcoy fr c s n r s l . te n me c e p rme t, u e te v lt n r mo e g n rt d y u ig n ai a tr o a t g e ut I s e i s n h u r a il x i ns we s d h e oui ay e o d l e eae b sng n t g rtm o i te r ge so c re d o e a td ft r e eo ig te d u i g tu hso c a, d te e e c a o h t f h rs in u s a frc e uu d v lpn n sn r e i r a d t a n i l i t e v n s e r ti l a n h

h etm i a s u r lOS a o a ig te si t g me q a eT I d t e fr c tn me n q a e lO" w r ac ltdT e n me c s t idc t a n n e" n h e s a s r eT I e c uae . u r a r us n iae u S e l h il e l h tt c u a y c uae y e ouin r mo e s o vo s ta e a c

rc ac ltd b v lto a d li b iu l mu h ih r a d t e e t t g me q a e e rr we h l y y c hg e n si i a s r lo r h a m n n u e h fr a i a te o c t g me s u r err a e o vo sy e s n n qa e lo r b iu l mu h e s c mp r d i e o e tre r dt n ge so mo es c ls .o ae w t t t r h t io a r rsin d l h h h e a i l e

( n a ges n mo e,x o e t ges n mo e a d p a oi rges n m e) 1 e r rsi d le pn ni r rsi d ln a b l rsi o 1. i r e o l a e o r ce o dKe wo d y r s: Ag ni Aloi m, t nn e ouin r d l et c gr h t Da Mi ig,v lt ay mo e a o

1引言 随着国民经济的稳定、快速发展和人民生活水平的不断提

和预测方法。在过去通常只是使用三种固定的模型【即：性 l I线，回归方程、数回归方程以及抛物线回归方程来建立数学模型指进行经济发展趋势的曲线拟合和预测，由于这种固定的模式很难真正平滑、准确地拟合出经济发展的趋势曲线，同时预测出

高，人们的生活方式和生活追求目标都有所改变，原来的解从决温饱问题转向实现小康水平。为了保证我国的工业、农业、商业、固定资产投资等行业的快速、调、协同步的发展，就要有一个较好的宏观决策与调控机制，要实现真正的宏观决策关键就在于如何根据以前有用的历史资料对经济的发展进行评估和对将来的趋势进行预测，因此，数据挖掘就显得尤为重要，论文根据大型复杂数据库的数据挖掘过程中的数据集成、数据清洗、据变换和数据简化等预处理以及经过分类、数聚类分析后一

的数据误差也较大，而遗传算法能够根据动态时间序列的自身特点模拟生物大自然的染色体杂交、异，后产生较好的下变然代个体的方法来自动生成一个适合于该序列趋势的非线性回归数学模型，通过数据实验说明该方法与传统的固定预测模

型相比

较，其预测结果的准确度以及误差估计都明显优越。同时，该方法也是结合计算机科学、物学、生数学、济学等多学经

得到的有用数据，用遗传算法演化计算机编程的方法对未来使的经济状况进行准确的预测和回归分析，改变过去传统的拟合

科杂交而衍生的一种数据挖掘建模方法，比使用单一学科方法解决一些优化问题明显具有更大的优势。

基金项目：家自然科学重点基金项目(号：0 3 0 0;等学校博士学科点专项科研基金项目(号：0 3 4 6 4 )国编 6 1 3 1 )高编 2 0 0 8 0 9作者简介：李康顺 (9 2 )男，士研究生。 16一，博高级工程师，主要研究方向：演化计算、并行计算。李元香 ( 9 2 )男， 1 6一，教授，士生导师，博主要研究方向：并行计算，演化计算。滕冲 (9 2 )女，士研究生， 17-,博主要研究方向： a g n、 D t A e t并行计算。王玲玲 (9 9 )女，士研究生， a 17一，博主要研究方向：化计算、演并行计算。

计算机工程与应用

2o . 29 0 59 1

遗传算法属于人工智能的算法,但是其经过改进可以用来进行数据的挖掘

维普资讯

2遗传算法的方法及步骤遗传算法￣ G nt l rh是演化计算1一个分支， J eec Agi m) ( i ot 3 1的它是采用随机搜索机制找出问题最优解的一种方法，传算法遗的基本思想将演化算法延伸到计算机程序设计领域和遗传地

代种群的两个新个体，具体的杂交算子操作方法见图 2。

繁殖计算机程序的群体中去求解优化问题，遗传算法提供了一种自动程序设计的方法。在文中，函数的结构看作是一个程把序，建立函数预测模型的问题就转化为一个最优程序设计的则问题，函数的自变量和运算符看作是程序的输入，函数的把把因变量看作是程序的输出，并把整个程序用一棵语法树来表示，:即用分层树结构表示问题的解空间，叶结点是问题的原始变量，间结点表示组合原始变量的函数，结点表示最终输中根

出的函数。因此，遗传算法演化计算机编程采用了一种更自然的表示方式，用层次化的计算机程序代替了字符串来表达问题，且可以随着计算机程序结构和大小的不断变化来表达这并

种问题的复杂性

质，扩展了演化计算在人工智能、器学习、它机系统识别、优控制、最博弈、化、划和符号处理等应用领优计域1。 4 一

图 2杂交操作示意图

2 .变异操作算子设计 .2 3

21演化计算机编程的数据操作集 .首先假设操作符集合 D f,,,,,V, nCSt,=+一}/^ s,, i O g c,x, ) t epI,数据集 C{一0<<0 ) g n=a 10a l0,则定义程序结构空间 l (r r t c rsP )操作符 ( Po a S ut e— S是 gm r u函数 ) ( )集 D与数据集 ( ) C的复合即：S OAC下称 P空间。遗传算法的演化编程方法， P=, S

变异 ( u t n算子是从种群中随机选择一个父代的一棵 m t o) a i子树，另一棵子树替代它而产生新一代的子代，变异算子用其操作过程见图 3 。

就是在程序空间 P S内搜索最合适的程序的自适应搜索算法。其搜索过程是随机进行的。 .

2演化计算机编程的表示法 . 2程序的表示法是遗传算法演化计算机编程的一个重要环节，针对解决的优化问题其使用的程序表示方法也不尽相同， 比如目使用的有程序设计语言的源代码表达式表示法、前二进制串表示法1,是最常用的程序表示方法还是用语法树来 7但 1等表示，把组成群体的所有个体采用一种动态的树状结构来表示。这棵树的结点由终结点 ( r nl) t mias、原始函数 (r t e e p miv i i图 3变异操作示意图

2最小代价函数 . 4代价函数嘲是确定遗传算法计算机演化编程的一个评估函 数，的界限确定决定遗传算法演化计算机编程迭代的终止条它件。因此，给定代价函数的值越小，从理论上说，遗传算法迭代的次数就越大。论文按照最/ b-乘法的原则来使用 E c d范 ul i数作为演化程序的代价函数，:即

f cos和运算符组成，结点和中间结点统称为内部结点， u tn) ni根 它们是组合这些原始变量的函数。比如：对于函数 ',=

、s I+,, i 3在遗传算法演化计算机自动编程中可以用一棵/眦+语法树 (见图 1表示。 )

d mn 1 )= i(l xN M

=i∑

( i∑ ((…,()) mn, ) (,一 ( i . )。) )i= I ‘= I

其中： () () ., ()i 1 2 .,r原问题的因变 。i, i,. i,,,.J是 .= .7、

量，Ⅳ是数据点的个数，(。,. ) YX, .,= .I=l

(。,. ) , ., .

是拟合函数，里是常数。这

(。1… ( )…. (。1… () 1 ), ( ) ()、 1)图 l

设A I=

i

‘ .

}

I,

23遗传操作算子的设计 .可以根据遗传算法演化计算机程序的表示方法来设计相

( (一. ( ), (。Ⅳ), ( )。Ⅳ),Ⅳ)…. (….Ⅳ)

6 (()y 2…. ( )口 (。a…. )则根据最小二乘法=, 1,(), N),口，, y= z,。 的要求，使代价函数最小，需要满足以下条件：要只( . - . A A . b 4

对应的杂交算子和变异算子，文只对所研究的语法树进行算论子设计。231杂交操作算子设计 ..

2遗传算法自动演化编程的算法 . 5第一步：定预测模型的操作符集和数据集。确 第二步：始化树表达式种群。初

杂交 (rs vr算子是按照锦标赛的规则从种群中随机 c s e) oo选择两个父体，随机地交换它们的两棵子树，并从而得到新一 20 05 2 2 0 .计算机工程与应用 9

遗传算法属于人工智能的算法,但是其经过改进可以用来进行数据的挖掘

维普资讯

第三步：评估树种群中的每个个体。第四步：对种群中的父代树表达式个体进行杂交和变异， 产生新一代的子代种群的个体。 第五步：用新产生的子代个体替代父代中适应值差的个体。第六步：如果不满足终止条件，则转第二步。

前馈标准差或估计标准差；预测数据计算出的标准差叫后馈用标准差或预测标准差。计标准差和预测标准差分别用来恒量估拟合回归曲线的准确程度和对未来数据的预测准确程度。

4数据实验分析在这节的数据实验中，根据我国历史真实资料使用遗传算法自动演化编程的方法建立数学模型，与传统的拟合模型计并

第七步：检验模型。建立的模型代回到原问题，把将模型得到的数据与原问题数据进行比较，确立模型的合理性与实用

以性。如果发现得到的模型不合理，回到第一步重新建模。则第九步：出应用模型。输

算出的估计值、测值、馈标准差和后馈标准差进行比较预前分析。

从上可以看出，传算法演化计算机编程自动建模方法与遗传统的数学建模方法相比较，具有两大特点：1演化建模方法 ()

实验 1使用[2的 18: 1】 9 9年至 19年的全国人口总数与 98商品零售总额指标的依赖关系建立遗传算法自动演化模型进行曲线拟合和预测，然后再与拟合的传统固定模型计算的结果进行数据和图形的直观分析。 首先设定：函数类型：杂函数，复树深度：繁殖最大次数： 9,

不需要事先确定固定的模型结构，只需要根据问题的特征确定模型结构的一些基本组成单元，而传统的数学建模方法比如：线性回归、物线回归、数回归等经济预测模型都要在建模抛指前确定模型的结构；2演化建模不是采用经典的数学方法求解 ()

问题，是采用一种模拟生物进化的演化算法来搜索问题的最而优解，与传统的建模方法在思想上、这方法上都有本质的区别。

100, 0 00最大幂次：, p i=0常数一O<< O, n (I ) 6 ose6, p z l0a l0d i I - n ￣ xⅣ M

=i∑(∑ (,, ()) 1,行 m ( y) n (一 ( . )<~运遗传算 ). ) 0 . i: 1 ★=1

3数据挖掘的基本理论数据挖掘t】海量数据中提取隐含在其中的有用信息 g是从 -“ 和知识的过程。它可以帮助一个单位或企业对数据进行微观、 中观乃至宏观的统计、析、合和推理，而利用已有数据预分综从 测未来，助赢得竞争优势。如，帮例利用数据挖掘可以对企业的 海量数据进行客户分析，括客户类型、包各类客户的需求倾向、 贷款偿还预测和客户信用政策分析、客户流失分析等；时还同可以使用数据挖掘来进行市场研究，包括商品市场占有率预测、市场拓展计划仿真；行经营策略研究，进包括经营成本与收入分析、风险控制、欺诈行为甄别等。数据挖掘是从大量的、不完全的、噪声的、有模糊的、机的数据集中识别有效的、颖随新的、在

有用的，潜以及最终可理解的模式的非平凡过程。它是一

法程序 8 96 9秒后终止运行并自动生成模型： 3 .1y (1g ep( g a s (x ( .4 6 ) ( 5 X 4 ) (i(一= ( (x 1 (b (e p 63 2 6/^一^)/ s ( o o n 41 86 )("— ) ) )* 1 (b ( ga s (X3 (52 8 9 ) .8 0 ) X 5 )) ) ( g a s1 (b ( ("/ - .7 7 ) o o一

(一 .9 1 )^ )一 CS X)^+^) ) ) (x (x sn ( 99 8 7 2 ) (O ( ( 2 X3 ) ) ) e p ep(i

( g( ' ) )/o (b (i (i 1g X') ) ) )一 ( (1g a s 1 X 6 ) )lg a ssn s o ( 6 ) ) ) ) ( ( ( (b o n( o

(/- . 0 7 )+i (X ( 1 7 7 ))*i (( (00 4 6 ) (0 8 8 ))sn ( 一 . 7 0 ) )sn (+ - .7 1 ) -0 7l a s - .3 2 ) ) ) ( 1 ep(.9 1 ) -i (.3 6+ o b ( 41 1 9 ) )/ ( g(x 08 8 6 ) s g( o n( 64 3 1 3 )*O ( ("—一 ( 81 6 1+ .15 )) ) ( g a sCS ) )C S (X ) (一 .7 2 )59 3 7 ) )一 1 ( (O 2 o b (X* .2 0 )/ ep( .9 3 )c s X) )/o a s(O (i ( I1 7 5 ) (x 83 8 9/ o ( ) )lg(b CS(s n ( 2+ X 4 X^) ) ) ) ( ( (x ( .10 )CS ( ) (一^ ) (^/ 3 ) ) )一 ( (e p 48 0 2 O X)+( ( 68 6 2 (25 4 1 )s X 3 )一 ( g X ) s ( )+o .19 )一 .8 6 )/ i ) ) ( 1 ( 5一i X 3 ) lg n( o n (x6 ( - ) ) (s cs )/ cs鹏 ) l ( )/ s e p ) ) (i o ( n( )(o (一o ) ) (i x g n(

门涉及面很广的杂交学科，括机器学习、理统计、经网包数神 络、据库、式识别、数模模糊数学等相关学科技术。

(一 .15 ) ) ( 4 ( 96 3 8 ) ( 5 X 4 ) )/ (x ( g ( 219 1 ) (^一 .6 0 )+^一^ ) ) ) (e p 1 o(b (i ( 2 ) ) C S (i ( 2 7 0+ 3 ) ) ( (i ( as s n X^) ) O s n (. 1 8 ) )/ (s 4

n(一 1 15 ) ( 5^ ) (^ .5 2 )s . 55 ) 2 X^ 3 )一 ( 4 97 8 9/ i ( ) (C S n X) )+ (O ( .9 4 ) ( 6 8 5 )^ )*i ( 3 X) ) ) ) 4O O 0 (一 . 4 7 5 )sn (一 ) ) ) ) 7^

31数据预处理与聚类 .把数据仓库中的海量数据进行数据预处理、数据聚类是数据挖掘过程中必不可少的一个重要环节，它包括：补数据空填

与使用传统的直线回归曲线、数回归曲线和抛物线曲线指计算得出的拟合结果、测结果、预前馈标准差和后馈标准差相比较如表 1。表 1 18-9 8 9 9 19年全国人口总数与商品零售总额回归模型比较情况表 -

缺值、除噪声数据、消数据聚类、据集成、数数据转换、据归约数等方法。例如：国定期进行的全国性的大型普查，我如人口普查、业普查、农工业普查、基本单位普查等在数据处理完成后都要花大量的人力、力对海量数据进行预处理和聚类，物以便能够进行数据分类、势预测、趋回归分析等进一步的数据挖掘， 以便为以后的宏观决策提供可靠的依据。

3建立数据模型与回归分析 . 2根据数据挖掘的任务分，主要有：类和预测模型数据挖分掘、数据总结、据聚类、联规则发现、列模式发现、数关序依赖关系或依赖模型发现、常和趋势发现等，异数据挖掘的方法可分为：统计方法、器学习方法、机神经网络方法和数据库方法。在统计方法中，常用的是多元回归分析和自回归分析。论文就最

是研究使用遗传算法的演化计算机编程方法对一些经过数据预处理和聚类的数据进行比较精确的回归分析和回归预测。

33回归误差计算 -回归误差是验证建立的回归模型拟合和预测准确度的一个重要指标，标准差表示，用回归数据计算的标准差称为用使从表 1明显可以看出，用遗传算法自动生成的模型计算使的前馈标准差要比其他几种模型计算得出的结果小很多，而且计算机工程与应用 2 0 . 2 1 0 59 2

遗传算法属于人工智能的算法,但是其经过改进可以用来进行数据的挖掘

维普资讯

对 19 9 9年至 2 0 0 2年进行预测后得出的后馈标o h比其他嚣 . .几[暑o准差∞ u p 0§ g [

T苦

.口 L

茸 o0h P o§∞ u g

m

.[

[ .苦. L

种传统模型计算的还要小，因此，这就说明通过遗传算法自动演化生成的模型要比其他几种传统模型不管是拟合准确度还是预测准确度都要高很多，也就是说，使用遗传算法自动生成的演化模型更能准确地对我国人口增长与经济发展的依赖关

系进行拟合和预测。从图 4图 7可以看出，图 7中，~在不管是

从拟合值还是从预测值来看，由遗传算法拟合的曲线 (图 7见 )都明显要比线性回归模型拟合的曲线 ( 4、图 )指数回归模型拟

合的曲线 ( 5和抛物线回归模型拟合的曲线 ( 6更接近实图 )图 )际值曲线。

圈7

实验 2在这个实验中，遗传算法对[ 1 18年至：用 1的 99 219的国内生产总值与全社会固定资产投资依赖关系进行曲 98 线拟合，并将拟合的和预测的计算结果与用传统固定的三种模型计算的结果相比较来进行分析。 设定：函数类型：杂函数，复树深度：, 9繁殖次数： 0l, 1 00 0 0

最大幂次：,os e6, 7ppi= 0常数一 O<< O,= i(l )ml z l0 a l0 dm n 1 x= i l茸 o 0h勇粤 u p o u 8 m∞ .蛊 若j 【 .

三

,

( (() yi-i= 1 I=l

( (,, ( ))<0 i . i )‘ 1。经过运行遗传 ). . )

算法的程序 3986后终止并自动生成演化模型： 7.秒 2y ( (o ( g X 6 )e sO3 4 5= ( cs 1 (￣ )+ o ( .1 6 r3 ) (i( .18 ) o ) ( s 72 4 8/ n圈4

snX2 )lge p - . 9 1 ) ) ((X i( ')-o (x (57 0 ))+ ( ( 3 cs^) ) )lg a s ( ( o ( 4 ) ) o (b ( (

)lg81 3 6 ) o (.19 )/

e p 69 2 2 ) ( ( 4 99 5 7+^+ 5 ) (x (.9 5 ) x ( .5 7 )/ (^ .4 0 ) ( 4^ )+ ep 5 4 5 7 )( 1— )/ s ( ) ) (i 一 n

lgZ 1 4 ) )(( o ( 7 6 5 )一 (

)( '+￣)/ s )lg1 18 )) X6 X7 )(i -o(A14 ))) n

然后，将该模型计算出的拟合

值和计算出的从 19年至 99 20 02年的预测值以及相应的前馈标准差和后馈标准差再与拟合出的直线回归曲线、指数回归和抛物线曲线计算的结果相比较(表 2。见 )表 2 1 8一 9 8年国内生产总值与全社会固定资产投资 99 l9回归模型比较情况裹

P l lto o ua in

圈5

由表 2明显可以看出，根据遗传算法自动生成的模型计算的拟合值和预测值，准确度都在其它几种传统预测模型准确其 度的 4以上，倍这是因为用遗传算法自动演化的模型计算的前馈标准差和后馈标准差都小于其它三种传统固定模型计算相应结果的 14/,并且从拟合分布图形中也很直观地可以看出 (图形略 )用遗传算法拟合的演化模型拟合的曲线明显要比另，圈6

￣ -种固定的模型拟合的曲线更接近真实数据曲线。此外， '- b还

22 05 2 20 .计算机工程与应用 9

遗传算法属于人工智能的算法,但是其经过改进可以用来进行数据的挖掘

维普资讯

对【] 3中的其它真实历史资料进行了同样方法的实验并且 1【] 21都能得到同样的结果。

4Ka g L s a L n, h n Y p n . e tt e R s ac n G m— . n i n。 i Ya C e u ig A T na v e e r h o h i e

pei f A t a c Po r m n[] h n nvr t Junl o lxy o uo t r a igJ . a U i sy o ra f t mi gm Wu e i N trlS in e2 0: (- )5￣ 2 aua ce c。0 1 6 1 2:9 6

5结论以上主要是根据遗传算法的模拟大自然的生物进化和自 搜索、适应的特点进行数据挖掘，自以改变过去那种只使用传

5Jh z. e ei Porm n : r i a n e t n a dP b . n R KoaG nt rga migm Dawn n Iv n o r - o c i i n o

l S l n[] a rn i o M r n K um n u l h r,9 9 e o i M . Fa c c: og a f a n p b se 1 9 m vg S n s a i s6Ke n t eJ n Lwrn e o e, n - a l h fle a.h a d . n eh D og.a e c F glHa s P uS we t1 T e H n c e

统的固定预测模型进行拟

合和预测的方法。很明显，对于象论文研究的离散型数据的挖掘，传算法要比其它算法具有更大遗的优势，而且无论是从搜索的准确度还是从挖掘速度来分析，

Bo f vl oa o pt i[ . P P b sigL dO f d oko o t nr C m u t n I ulhn t a x r E u i y a o M]O i dn oUnv r t rs . 9 7 ie i P e s 1 9 sy

7Jh z.e ei rga . n R KoaG n t P ormmig: n te P orm n fC r— o c n IO rga mig o o h n

p t y M a so a r e c o[] A: I rs.9 2 ue b P l f t a S l t nM . M T Pes 19 s r l N u l ei M

遗传算法都要比其它算法好。但是，于连续型的数据挖掘， 对比如对矿物质储藏量进行勘探分析等，用遗传算法搜索的时间比 其他方法也要相对更长，至有时要进行多次搜索后才能得到甚最优结果。(收稿日期：0 4年 l ) 20 O月

8 io ak .erl e ok: o pees eF udtn] hn . m nH yiN ua N t rsA C m rhni onao[ . ia S n w v i MCMa hn I . 0 4 c eP 2 0 i

9峰晶， .邵于忠清.数据挖掘原理与算法【 .国水利水电出版社，0 3 M】中 201 . h i O d mi. v l t n r o u n o e t r l t n a d 0Mu sn z e rE o ui a y C mp t g f r F au e S e i o i e c o n

Pei i a n d】h eiRnsl rPl ehi Ist e rd teD t Min D. D T s .ese e o t nc ntu, cv a i P h s a yc i t

参考文献1 .李杰明.学原理【】统计 M .大学出版社， 0 复旦 2 4 0 2王小平， .曹立明.程序设计方法【 .安交通大学出版社，0 3遗传 M】西 20 3正君， .潘康立山，陈毓屏.化计算【】演 M .大学出版社，9 8清华 19

T o . e 0 l, 0 2 0 ry N w Y r 2 0 - 3【

l.雄飞， 1李李军.据挖掘与知识发现【】等教育出版社， 0 数 M.高 2 3 0 1. 2国家统计局.中国统计年鉴【】

国统计出版社，0 2 M.中 20 1 .西省统计局. 3江江西省统计年鉴【】国统计出版社，0 2 M.中 20I i 20 nda, 0 2

(上接 l3页 ) 72Mi mu a . t a r T. y eg E. e AN OO Ma h n T a s t n n i n N b r t K h T c i e r n l i E vr— a o o

4 U hd Z u M. e U v ra ew r ig L n u g y n c i e . c ia H,h T n e lN t o kn a g a e b o d Ma hn h i s e

m n C .:rce i o e 4 ofr c ft s c t n f e t] n P oe d ft t C ne n e o e A s i i r[ I n h h e h o ao oMa h n rn lt n i e A r a n E vs n n c n rn - c e T a s i n t me c s o n i o i g Ma h e T a s i a o h i i i lt n i h no m t n F tr . u r a a a, x o 2 0 ai n t e I r a i uu e C e n v c Me i。 0 0 o f o c 3S a C。 h u h r B. h t c ay a C n t cig e tr o u e t .h h C o d ay B at h ry . o sr t b t d c m n a u n e

T a s t n C .: r e t t It a o a Smps m o a g ae r l i[] n P e ne a ne t n y oi n L n ug n ao I s d r i l n ui y e p c So lK r 2 0 n C b r a,e u。 o e 0 1 s a,

5熊文新. .基于中间语言的汉语生成规则处理【】:98中文信息处 C. 19见理国际会议论文集。清华大学出版社，9 8 l9

v t s g U vr ln to r g L nu e ( N )]n pe ne t c r e o ui n e a e ki a g ag U L[ .:r e t a s n i s w n CI s ditr ain l o e n e o n w e g a e o p trsse s Mu l, n en t a c n r c n k o ld eb s d c m ue y tm, n mi o f e

6熊文新 .间语言机器翻译的有关问题啪 .文字应用，98 () .中语言 19;3

(接 2 6页 )上 o

参考文献1 .郝力.城市地理

信息系统及应用【 . M】电子工业出版社，0 226 20:42 L X ND R K N N E .D G S f r n e roe[ . eIf - . E A E O I G R 3 - I r Ub up s J G on r A o a s] omaia 1 9 t,9 8 c.

人员只需关心操作对象的拾取，而不必关心后台复杂的业务逻辑。在深圳市建筑物信息动态管理系统中，者将系统功能区作分为通用模块和非通用模块两部分，将通用模块封装为业务功能模块库，供编程人员调用。例如二维、维查询操作都调用业三

3 .福，宋关钟耳顺 .组件式地理信息系统研究与开发【. J中国图象图形学】报，9 8 (: 1 - 1 l 9;4)3 3 3 7

务功能模块库中的 Bd_ ur接口。 l Qe g y

4张建奋. .基于构件的 G S软件开发研究【】江大学硕士论文. 0: I D.浙 2 2 03~3 O 2

5M r u i. p ra h t e i t rt n o p t aa a d s s m . B e ng An a p o c o t n e a o f s a a d t h g i i l n yts e

o a 3 e—n r a o yt[ .o p t f D go i om t n ss m J C m u r& G o i c,9 9 r f i e] e s e e e e l9; c ns( 5:9-8 2 )3 - 46 N r s g h e e D u b n mo e sRe e td v lp ns i e d g a . au h e S i . r a d l: c n e eo me t n t ii l i d 3 h t

m d ln fub n e v n e t i tr - i e i[ . eJu l o e ig o ra n r m n n h e dm n o J G oo ma, l i o s e s n] s2 o1 (2)2 3 2 9 0;5:6 - 6

7 u r n D￣l r Ka ir h . n oj t o e t￣pec r .￣g o l e . ln H ni sA b - r ne J e n s c c e i d r hf a o图 6基础功能组件及对象——接口关系 it rt g 3 s a z o yt d G S J .o p t& G 0 ne a n D v u i t n ss m a I[ C m ue gi i l a i e n] s r e一sin e 0 0;2:7 7 ce c 2 0 (6)6 - 6 s

4结语

目前国内城市规划、地管理部门和科研院所都尝试建立土了3— I D GS系统，大多集中在三维景观建模和浏览上，真但而正实用的不多。这主要在于 3— I近几年才发展出来的 D G S是G S系统，以往的 G S系统相比，软件模式、 I与 I在系统功能和数据结构上有很大差别，D GS系统的设计模式必须便于与其 3— I他 G S系统集成。组件式 3— G S具有开发周期短、统易于 I DU I系扩充、于与其他系统集成的优点，正是目前 3— I便这 D G S系统

8爱民. M原理与应用【】 .潘 C O M.北京：清华大学出版社，0 O 2O 9 i alWa u h A l a a b i .x l i ￣ b t M] Su, . c e l c。 l L f m os E po n A O i s . l M h t n a r e r g c e[ E2 o 0 l

l.成韫， O杨杨猛，俞晖等 .市建筑物信息动态管理系统的设计与实深圳现【】: C.深圳市规划国土信息中心十周年论文集， 0 见 2 3 0 l.永胜.市三维可视化 G S研究【】: 1黄城 I C.深圳市规划国土信息中心见十周年论文集，o 3 2o l.敏， 2孙马蔼乃，陈军 .三维城市模型的研究现状评述【】感学报， J.遥2 o ( ) 1 5 10 0 2;2: 5 - 6

从研究走向实用所要关心的。因此组件式 3— GS是 3— D U I将 D GS的发展方向。 ( I收稿日期：O 4 6月 ) 2o年

l.立新，文中.理信息系统原理与算法【 .学出版社，03 3吴史地 M】科 2o:4 - 9 56

计算机工程与应用

2 o . 2 3 0 59 2

本文来源：https://www.bwwdw.com/article/paz4.html