2023年1月Jan2023DigitalTechnology&Application第41卷第1期Vol.41No.1数字技术与应用123中图分类号:TP311文献标识码:A文章编号:1007-9416(2023)01-0123-03DOI:10.19695/j.cnki.cn12-1369.2023.01.38多尺度数据挖掘概述咸阳师范学院计算机学院张璐璐多尺度数据挖掘应用领域广泛，是一个跨学科课题，其在数据挖掘基础之上，利用多尺度理论，多层次、多方位对数据进行分析，学习更全面的信息。多尺度数据挖掘在不同学科、不同领域有着不同的应用，针对一般数据集而言，主要集中在多尺度关联规则、多尺度聚类和多尺度分类。为了便于理解，从概念、步骤和分类三方面对多尺度数据挖掘研究进行了简要的阐述以及分析。数据挖掘旨在从大量的数据中搜索隐藏于其中的信息[1]。随着多尺度科学的发展和实际需求的增加，单纯利用数据挖掘算法获取知识有时难以达到理想效果。将多尺度理论引入数据挖掘领域，便于拓宽知识学习的深度和广度。多尺度数据挖掘涉及学科广泛，是一个典型的跨学科课题，融合了地理、图像、生态等不同领域知识，且表现形式各不相同。目前，多尺度数据挖掘已取得一定成果。以一般数据集为例，对多尺度数据挖掘研究进行简要的阐述以及分析。1多尺度数据挖掘概念多尺度数据挖掘以数据挖掘算法为基础，结合多尺度理论知识，对数据的尺度特性进行操作，便于知识转换，提高挖掘效率。简单来说，多尺度数据挖掘就是采取智能手段获取信息的过程。多尺度数据挖掘是指从多个尺度剖析数据，构建多尺度数据集，使用数据挖掘算法获取知识，采用合适的尺度转换方法进行知识转换，推衍得到其他尺度知识的过程。其主要包含两部分内容：数据的多尺度转换和知识的多尺度转换[2]。前者是指发掘数据的尺度特性，将收稿日期：2022-09-23作者简介：张璐璐（1993—），女，河北衡水人，硕士，研究方向：数据挖掘。图1多尺度数据挖掘步骤Fig.1Thestepsofmulti-scaledatamining原始数据集对转换结果进行评价多尺度数据集构建基于数据多尺度特性，对数据划分或变换基准尺度选择基于领域知识，基准尺度选取原则尺度转换实现基于转换机制，进行尺度上下推数字技术与应用www.szjsyyy.com第41卷124单一尺度数据变化为不同尺度数据；后者是指挖掘某一尺度数据信息，对得到的知识采取一定转换机制，得到其他尺度信息。其核心思想在于“一次挖掘，多次利用”。2多尺度数据挖掘步骤如图1所示，多尺度数据挖掘主要分为3步：构建多尺度数据集、基准尺度选择和知识尺度转换。2.1...
