基于低质量数据的数据挖掘理论及算法研究

针对数据挖掘技术的日益普及以及现实应用中低质量数据的普遍性，研究基于低质量数据的数据挖掘理论及系统框架。我们的研究尝试构造一个低数据质量下的数据挖掘系统，它能主动的评估数据质量并辅助数据管理员进行有效的数据筛选，又能将数据质量融入到数据挖掘过程中以改善数据挖掘性能。主要的研究内容包括：（1）.数据质量及知识质量评估；（2）.智能异类数据筛选；（3）.异类数据描述及异类信息源追溯；（4）.容忍低质量数据的数据挖掘算法。该项目研究涉及多个学科方向（数据挖掘，数据质量控制，数据仓库，信息管理系统，统计分析），因而既有现实的理论意义，又有非常巨大的应用潜力。