基于Multi-Agent的数据挖掘模型的研究

数据挖掘是人们长期对数据库研究的结果，但是传统的数据挖掘存在低效性和非智能化等不足。随着具有自主性和社会性的智能计算实体Agent的出现和发展，文中将Multi-agent技术应用到数据挖掘中，并提出了基于Multi-agent智能化的数据挖掘模型，讨论了模型的运行过程。这一模型弥补了传统数据挖掘的缺陷和不足，而且在很大程度上提高了数据挖掘的智能性和高效性，减少了人工的参与。     

数据挖掘模型的比较研究

比较了SQL Server2000和Oracle9i数据仓库的数据挖掘技术，分析其数据挖掘模型的异同点和优劣性，并针对其数据挖掘算法上的不足提出改进数据挖掘模型的方法，利用进化计算实现数据挖掘的进化学习机制，提高算法的效率，最优解求解能力，增强数据挖掘系统的鲁棒性和安全性，还讨论了结合两种技术优势实现数据挖掘模型的方法，数据挖掘是网络数据库以及数据仓库的最新功能，与机器学习机制有关。SQL Server 2000和Oracle9i具有数据挖掘的功能，但是由于其数据挖掘算法简单，数据挖掘的现有学习能力和功能发展存在瓶颈。     

用神经网络选择多维数据挖掘空间的研究

多维数据挖掘是基于数据仓库系统的重要决策支持技术，遗憾的是，由于多维数据的复杂性使数据挖掘的效率和实用性都很差，本文通过对多维数据挖掘模型的分析，说明在多维数据挖掘过程中挖掘空间的选择是影响结果成败的关键步骤，在此基础上提出一种用于挖掘空间选择的神经网络模型，并通过实例应用说明该模型能够正确寻找到正确的挖掘空间，最后文章讨论了该模型的优缺点。     

基于MS Analysis Services的数据挖掘的开发模式

利用Microsoft SQL Services2000提供的开发工具和数据挖掘模型，提出了一种完整的数据挖掘系统结构和实现方案，适用于中小型的数据挖掘应用。     

一种新的数据挖掘处理模型

介绍了现有的数据挖掘概念和技术，处理模型及数据挖掘实施的平台－数据仓库，在研究和总结的基础上提出一种新的数据挖掘处理模型。     

基于决策树理论的数据挖掘模型

提出了一个基于决策树理论的数据挖掘模型，该模型是数据挖掘中对样本进行分类的一种有效方法，它通过采用分级的形式，可以使复杂的分类问题逐步得到解决。在应用模型进行决策分析时,用给定的训练集构造一棵性能良好的决策树，然后选取合适的决策原则得出结论。在本文的最后给出了模型应用于交通领域的一个例子，说明如何在实际中运用该数据挖掘模型。     

基于数据挖掘的入侵检测系统

论述了入侵检测系统的基本概念，针对目前入侵检测系统中存在的问题，提出了一个基于数据挖掘技术的自适应入侵检测系统模型。介绍了该系统模型的基本思想，阐述其结构及主要功能，着重分析了该系统的数据挖掘过程，利用数据挖掘技术自动地从大量数据中提取重要的特征和新的模式，生成有意义的规则并建立检测模型。     

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。     

数据挖掘方法与可视化

迄今为止，数据挖掘与知识发现软件的功能不再停留在“挖掘”这个单一功能的实现，而已延伸到数据挖掘与知识发现的过程．即包括数据的预处理、数据挖掘、模型评估与可视化；在单纯的模型可视化基础上扩充了数据可视化与数据挖掘过程可视化：本文着重讨论了数据挖掘的方法与可视化技术，最后提出了未来的研究方向。     

数据挖掘工具的分类与挖掘

随着数据挖掘技术的发展，各种各样的数据挖掘工具不断开发出来，如何把握这些工具的功能、挖掘技术和未来发展趋势，是一个非常困难的事情。文中借助数据挖掘技术提出了数据挖掘软件工具的一个多维立方体分类模型，给出了一个具体分类实例，总结出数据挖掘工具的技术发展路线和未来发展趋势，并通过对三个不同阶段的数据挖掘工具的深入比较，进一步验证了文中的结论。     

基于XML的Web文本挖掘模型的研究与设计

Web上的数据量急剧膨胀使得进行Web数据挖掘成为数据挖掘技术研究的热点.而XML能够为Web挖掘提供半结构化的数据模型,解决了Web挖掘中的数据源问题.介绍了XML的和Web文本挖掘的概念,提出了一种基于XML的Web文本挖掘模型,剖析了该模型的各个组成部分,给出了该模型的特点.     

数据清理中几种解决数据冲突的方法

建立数据挖掘模型的基石是数据仓库,数据仓库的质量直接影响到数据挖掘模型的建立与执行效率,并有可能影响到数据挖掘模型的最终结果的准确度。数据清理就是发现数据中的错误和不一致并加以消除,以提高数据的质量,使得数据挖掘模型建立的过程更加快捷和简便,挖掘出来的模式和规则也就更加有效和适用。     

云计算环境下的数据挖掘服务模式

为了求解网络环境下分布式海量数据的分析处理、促进数据挖掘的开发集成和商业应用,提出了云计算环境下的数据挖掘解决方案,通过云环境计算能力和云计算服务模式,阐述了对数据挖掘服务问题的解决机理。云计算环境下的数据挖掘是一种网络环境下的信息资源服务模式。基于此,构建了数据挖掘服务的架构,设计了数据挖掘服务的创建流程,给出了数据挖掘服务模型的体系结构,并从生命周期的角度定义了数据挖掘的服务过程,从而形成了云计算环境下的数据挖掘服务模式。     

分布式数据挖掘系统在选煤厂生产调度中的应用

针对选煤厂的特点 ,建立了水平式数据挖掘模型和垂直式数据挖掘模型。在此基础上提出了面向选煤厂的分布式数据挖掘系统 ,解决了调度中遇到的查询数据难的问题 ,从而帮助调度人员及时有效地处理信息     

基于自组织映射模型的数据挖掘算法在对二甲苯吸附分离过程中的应用

以PX吸附分离过程为研究对象，运用基于SOM模型的数据挖掘算法对其进行分析研究．SOM模型在整个挖掘过程中起了关键性的作用．一方面，SOM模型作为探索性数据分析的有效工具，为进一步的挖掘提供了依据．另一方面，SOM模型为聚类算法提供参数指导和数据支持．最终，通过数据挖掘实现了两个目标，得到了在不同负荷情况下操作参数的稳态优化区域；建立了可用于指导操作员改进操作的可视化实时评估模型．     

面向领域的数据挖掘系统研究*

通过将领域工程、领域框架、面向对象技术、软件构件技术及数据挖掘相结合,提出了一套面向领域的数据挖掘系统开发模型及一个类似于OSI网络参考模型的新型挖掘层次结构,并且设计了一个面向领域的数据挖掘系统框架,有效地解决了以上问题。     

数据挖掘在计算机故障检测中的应用

为了提高检测计算机故障的效率,将数据挖掘技术引入到实验室管理中。通过SQL Server数据挖掘技术,创建挖掘模型,训练挖掘模型,实现了预测查询。根据输入数据,准确发现计算机故障。该研究对于提高故障检测效率及实现实验室智能化管理有一定的指导意义。     

OLAP数据挖掘模型的应用研究

OLAP数据挖掘模型结合了微软分析服务可以访问的数据挖掘和联机分析处理两种决策机制,其创建可以借助挖掘模型向导或利用决策支持对象编程实现。采用微软决策树算法的OLAP数据挖掘模型可根据决策树、虚拟立方体和维来分析数据,并预测数据的某些特性,以帮助用户决策。     

Internet环境下并行群组数据挖掘模型

随着Internet技术的发展,分布式数据挖掘越来越受到重视。分布式数据挖掘急需一种能聚合多种网络功能为通信媒介,松耦合、并行的数据挖掘架构。以分析经典并行数据挖掘模型PADMA和BODHI为基础,结合现实需要给出了一种新的并行分布式数据挖掘模型——PADMAN。模型采用分治策略,将数据挖掘任务进行划分并分配给数据挖掘组,群组之间并行挖掘;基于Agent,使各基本数据挖掘单元具有自治性;群组客户端和全局客户端可实现无线接入,使用户端的使用和接入更加灵活。分治策略的应用,使模型具有良好的模块化和可扩展性。     

城市地下管网GIS中的空间数据挖掘模型设计

GIS在城市地下管网中的广泛应用导致了管网数据库中数据量的急剧增长。为提高城市地下管网的管理水平，更好地从管网数据库中采集有价值的知识，将空间数据挖掘技术运用到地下管网GIS系统是一种行之有效的方法。介绍GIS和空间数据挖掘结合的必要性，分析了基于空间数据仓库实施空间数据挖掘的理论依据，给出了一个实用的城市地下管网GIS空间数据挖掘模型。该模型可有效地在管网GIS中实现挖掘功能，使GIS具备一定的智能化特征。