高维数据挖掘技术研究

数据挖掘是致力于数据分析和理解,揭示数据内部蕴藏知识的技术。它是未来信息技术应用的重要目标之一。而高维数据在实际应用中的使用,使得对高维数据挖掘的研究有着非常重要的意义。文章介绍了高维数据挖掘对数据挖掘的挑战及应对策略,提出了一些挖掘模型的创新点。     

高维数据挖掘算法的研究与进展

生物信息学和电子商务应用的迅速发展积累了大量高维数据,对高维数据的挖掘变得越来越重要,一般的数据挖掘方法在处理高维数据时会遇到维灾的问题,同时传统相似性度量在高维空间中也变得没有意义。文章从频繁项集挖掘、聚类、分类等三个方面对最新的高维数据挖掘算法的现状进行了综述,对这些算法如何解决高维数据挖掘存在的问题进行研究。     

高维数据挖掘在入侵检测中的应用

本文讨论一种在数据挖掘的基础上的入侵检测系统的构建,建立了高维数据挖掘和分类的挖掘引擎,利用数据挖掘的方法从大量的攻击数据中提取有攻击行为的特征,并用于监测,实现知识的自动获取和学习。     

隐私保护数据挖掘研究进展

近年来隐私保护数据挖掘已经成为数据挖掘的研究热点, 并取得了丰富的研究成果。但是, 随着移动通信、嵌入式、定位等技术的发展与物联网、位置服务、基于位置的社交网络等应用的出现, 具有个人隐私的信息内容更加丰富, 利用数据挖掘工具对数据进行综合分析更容易侵犯个人隐私。针对新的应用需求, 对隐私保护数据挖掘方法进行深入研究具有重要的现实意义。在分析现有的隐私保护数据挖掘方法分类与技术特点的基础上, 提出现有方法并应用于新型分布式系统架构应用系统、高维数据及时空数据等领域存在的挑战性问题, 并指出了今后研究的方向。     

基于MapReduce与距离的离群数据并行挖掘算法

数据挖掘技术是解决数据丰富而知识贫乏的有效途径,离群数据挖掘是数据挖掘领域中的重要研究内容之一,已广泛应用于网络入侵检测,信用卡诈骗,垃圾邮件的分析和基因突变分析等领域. 在高维海量数据中,由于数据量大和维度高,严重影响了离群数据挖掘的精度和效率. 本文在KNN基础上,通过定义“解集”的概念,在MapReduce编程环境下,实现了一种基于距离的离群数据挖掘算法. 分别采用人工数据集和UCI数据集,实验验证了该算法在不同条件下,参数对算法性能的影响.     

离群数据挖掘综述*

通过对当前有代表性的离群数据挖掘算法的分析和比较,总结了各算法的特性及优缺点,为使用者选择、学习、改进算法提供了依据。此外,针对高维数据和空间数据中离群检测的特殊性,在现有算法的基础上,分析了高维数据和空间数据离群检测需要注意的一些问题,以便于研究者提出新的有效的算法。     

数据挖掘在竞技体育中的应用综述

随着信息技术的发展,网络出现了数据风暴,如何在大量数据中寻找有用信息,成为当今时代科学研究的主要话题。本文针对竞技体育的特点,介绍数据挖掘的概念和常见算法,综述数据挖掘在竞技体育中的核心技术和具体应用,为数据挖掘在体育领域的进一步研究提供基础。     

浅析Web数据挖掘

Web使用挖掘是一门新的综合性技术。文章介绍了数据挖掘的基本概念和数据挖掘的分类;在前人的研究基础上描述了数据挖掘的流程。     

基于动态代价敏感的数据挖掘算法探讨

信息时代的到来,数据作为信息的载体其重要性也愈加突出,随着人们对不确定数据研究的深入,代价敏感数据挖掘技术被应用于不确定数据挖掘中。本文介绍了不确定数据,分析了现有不确定数据挖掘方法,在介绍代价敏感学习的基础上,介绍了一种针对不确定数据的代价敏感决策树算法,并通过实验验证了这一算法的合理可行。     

对随机投影算法的离群数据挖掘技术研究

[d]维点集离群数据挖掘技术是目前数据挖掘领域的研究热点之一。当前基于距离或最近邻概念进行离群数据挖掘时,在高维数据情况下的挖掘效果不佳,鉴于此,将基于角度的离群因子应用到高维离群数据挖掘中,提出一种新的基于随机投影算法的离群数据挖掘方案,它只需要用接近线性时间的方法就能预测所有数据点的基于角度的离群因子。该方法可以用于并行环境进行并行加速。对近似质量进行了理论分析,以保证算法的可靠性。合成和真实数据集实验结果表明,对超高维数据集,该方法效率高、可伸缩性强。     

计算机数据挖掘技术的开发及其应用

数据挖掘技术的发展历史并不长,但是速度却非常惊人,由于这是一种多学科多领域交叉的技术,对其进行统一定义有一定的难度,由于数据信息的流通已经到了令人瞠目结舌的地步,有时候会遇到巨量的数据记录,高维的资料,而这种变化都使得分析技术要进行革新,传统分析技术有时候仅能搜索到很小一部分可用的数据信息,在各个学科技术的基础上开发出来的数据挖掘技术有很多功能。     

数据挖掘技术在公安信息化工作中的应用研究

新时期背景下,公安信息化成为了公安工作的重要内容。而在信息化管理过程中,公安机关积累了大量的公安基础数据,当前对这些数据的使用仅停留在简单的查询、更新和统计等操作上,如何从这些海量的数据中获取到有价值的信息,则成为了研究重点。数据挖掘技术由此而引入到公安信息化工作中。本文在介绍了公安信息化和数据挖掘关键技术的基础上,针对数据挖掘在公安信息化工作中的应用进行了研究。     

一种高效的高维异常数据挖掘算法

针对高维异常数据的挖掘问题,提出一种基于最大间隔准则和最小最大概率机的高维异常数据挖掘算法。利用最大间隔准则算法将高维数据投影到低维特征空间,再利用最小最大概率机进行异常数据的挖掘。实验结果表明,该算法检测准确率较高。     

一种快速聚类高维数据的算法研究

聚类作为数据挖掘的一个问题已经受到了数据库团体的密切关注。数据集合的大小，数据的维数和数据的稀疏性都是制约聚类的不同方面。文介绍了一种聚类大型二元数据集合的快速算法，在该数据集合中数据点是高维的，并且大多数的坐标值为零。文章最后对算法进行了分析。     

网格环境下的数据挖掘体系设计

数据挖掘能帮助理解和发现数据中的隐含信息,然而,由于数据的多源性和地理分布性,传统的数据挖掘技术很难适应虚拟组织参与的复杂方案.文章在陈述数据挖掘与网格研究现状的基础上,提出了网格环境下的三层垂直类数据挖掘体系结构,详细介绍了体系中的各种网格服务内容,阐明了服务的横向与纵向组合形式,并针对该体系结构提出了基于Globus的实施设想.该设计为在网格环境中开展数据挖掘提供了新思路,具体实施则有待深入研究.     

大数据环境下的高维数据挖掘在入侵检测中的有效应用

高维数据挖掘是对发现数据库中的知识进行发现,而入侵检测则是可以检测到所有的存在风险或是已经开始入侵想要损害系统完整性、安全性、保密性的一种网络安全技术,对大数据环境喜爱高维数据挖掘在入侵检测中存在的问题以及有效应用进行分析.     

数据可视化在数据挖掘中的应用

数据挖掘是从大量历史数据中抽取潜在的、有价值的知识或规则的过程。数据可视化对于快速分析数据，表示高维数据方面非常直观、有效。本文首先讨论了几种可视化技术，随后就数据可视化在数据挖掘的模型、过程中的应用进行探讨。     

决策树算法在高校成绩分析中的应用研究

数据挖掘给人们提供了一种新的认识数据、理解数据的智能手段。在对数据挖掘技术的概念、挖掘过程和常用方法等知识进行简单介绍的基础上,就数据挖掘应用在高校考试成绩分析的几个方面进行了探讨。     

浅谈数据挖掘技术在软件工程中的应用

近年来,各个软件开发组织为了对他们的过程和数据更好的了解,收集大量产品和过程数据已经成为标准惯例。这就需要从数据库中抽取新的、重要和有用的信息,这个过程就是数据挖掘。当前,将数据挖掘的技术应用于软件工程是非常有用并且合理的。文中对数据挖掘的使用进行了综述,包括相关概念、过程、技术和研究现状的介绍,并在此基础上结合了作者的评论和观点对软件工程中数据挖掘的应用特点进行浅析和探讨。     

浅析数据挖掘技术

随着信息技术的发展,积累了越来越多的数据。数据挖掘技术为人类处理这些海量数据提供了有力武器。首先介绍了数据挖掘技术的概念,然后对数据挖掘系统的构成和数据挖掘的流程进行了分析,最后详细分析了数据挖掘的常用方法。