数据挖掘工具DMTools的设计与实现

介绍了一个通用的数据工具ＤＭＴｏｏｌｓ。它实现了基于数据库的知识发现的主要过程,可视分析,数据预处理,数据库的知识发现,数据挖掘,模型解释及模型评估算。主要介绍了这个系统的体系结构和各愉的功能。使用本工具。可从各行业的历史业务数据库中挖掘出隐含的有价值的知识,用于决策支持。     

国外先进数据挖掘工具的比较分析

近年来，国外陆续推出了一些先进的数据挖掘工具。国内也在不断地引入这些数据挖掘工具。随着数据挖掘工具的不断涌现，如何选择适合企业自身特定需要的数据挖掘工具，已成为企业引入数据挖掘技术的一大难题。文章在简要概述数据挖掘技术背景的基础上，从企业应用的角度，全面详细地比较分析了当前国外先进的数据挖掘工具。     

一种数据挖掘系统的设计与实现

设计并用C#编程语言实现了一个面向初学者的开放通用数据挖掘系统。系统框架明晰、接口规范,便于系统的扩展和完善。给从事数据挖掘研究和应用的初学者提供了一个良好学习平台。     

数据挖掘及其技术实现

数据挖掘解决在信息技术发展中存在的拥有大量数据但缺乏有用信息的问题,完成从业务数据到决策信息的转换。本论述了数据挖掘的概念及其工作流程,针对不同的功能类型对数据挖掘的技术实现进行了分析,并且阐明了数据挖掘设计和实现中的若干关键问题。     

数据挖掘与决策支持系统

决策支持系统的建立是一项复杂的系统工程。本文分析传统决策支持系统开发中存在的问题．探讨数据挖掘技术在决策支持中的应用,讨论基于这一技术的决策支持系统建立中的有关问题,如数据挖掘的层次空间、数据仓库的组织、知识发现方法等,最后进一步提出决策支持系统的基本结构框架和系统的建立方法。     

一个数据挖掘工具的设计与实现

介绍了一个数据挖掘工具的设计,以Apriori算法为核心,实现了数据挖掘中基于数据库的几种常用挖掘方法,包括基于关系数据库的数据挖掘,不完整数据库中的数据挖掘和根据兴趣度测量来挖掘感兴趣知识的异常关联规则挖掘.     

一个数据挖掘工具的设计与实现

数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据间关系的过程,这些模型和关系可以用来做出预测,该文介绍了一人数据挖掘工具的设计,以Apriori算法为核心,实现了数据挖掘中基于数据库的几种常用挖掘方法,包括基于关系数据库的数据挖掘,不完整数据库中的数据挖掘和根据兴趣度测量来挖掘感兴趣知识的异常关联规则挖掘。     

可视化数据挖掘工具的设计与实现

为了在海量数据中把有用的数据提取给用户进行分析,通过对数据可视化和聚类分析的深入研究,将可视化技术与数据挖掘技术两者结合起来,在Java平台下开发一个可视化的数据挖掘系统,把数据挖掘的结果以3D散点图、平行坐标图的方式显示给用户,使用户能够直观地看到数据集的全貌及分析各对象同一属性值的分布和各属性之间的关系,有效地表达数据挖掘结果。     

基于数据抽取器实现数据挖掘

通过定义ＳＯＬ数据挖掘抽取器,设计了数据挖掘算法和数据库管理系统的接口的框架体系。并通过一个常用的数据挖掘算法简单贝叶斯算法说明了这种标准的ＳＯＬ数据挖掘抽取器的适用性。     

数据挖掘在电子商务中的应用

详细介绍了数据挖掘方法与电子商务各方面的结合,并给出了一个以C／S体系结构为基础，与数据挖掘功能紧密结合的电子商务系统实例。》     

数据挖掘技术研究

数据挖掘是一种新兴的数据处理技术,在生活的各个领域发挥着日益重要的作用。论文详细阐述了数据挖掘的各种技术方法,深入分析了数据挖掘技术的应用领域,并对数据挖掘应用中的主要问题进行了探讨。     

从数据挖掘到机会／征兆发现

机会发现以及时发现动态确定性系统中能够对决策产生显著影响的事件为目标，是2000年以来智能信息处理研究领域中一个新兴的研究方向。本文根据机会发现的研究目标，提出了机会／征兆发现的概念。机会／征兆发现与数据挖掘和知识发现具有天然的联系，本文对机会／征兆发现与数据挖掘（知识发现）的联系与区别进行了讨论，并对文本机会／征兆发现进行了概述。     

贝叶斯学习,贝叶斯网络与数据采掘

自从50～60年代贝叶斯学派形成后,关于贝叶斯分析的研究久盛不衰。早在80年代,贝叶斯网络就成功地应用于专家系统,成为表示不确定性专家知识和推理的一种流行方法。90年代以来,贝叶斯学习一直是机器学习研究的重要方向。由于概率统计与数据采掘的     

用于数据采掘的贝叶斯分类器研究

所谓分类器是一个函数f(x),它给需要分类的实例x赋予类标签c,∈C(j=1,2,…,m),实例x由一组属性值a_1,…,a_n描述,C是类变量,取有限个值,可看成有限个元素的集合。进行分类首先要构造一个分类器。从预先分类的实例进行有导师学习并建立分类器,是机器学习的中心问题之一。已有的分类器如决策树、决策表、神经网络、决策图和规则等,都可以看成不同     

KDW综述:基于Web的数据挖掘

由于Web数据所具有的半结构化特征,基于Web的数据挖掘与传统的基于数据库的数据挖掘有许多不同之处,基于Web的数据挖掘主要包括3种数据挖掘任务：对Web的内容的挖掘,对Web结构的挖掘和对Web访问的挖掘,该文综述了基于Web的数据挖掘技术,并介绍了国内在这个领域的研究现状。     

序贯模式的一种高效挖掘算法

序贯模式是时间相关数据库中存在的一种十分有用的知识模式,其发掘方法的研究有着十分重要的意义,本文给出了一种挖掘数据库中序贯模式的算法,通过认真地研究了挖掘过程中的中间及结果数据的存储结构,从而大大地减少了对数据库的扫描遍数,提高了算法的效率。