基于物联网与云计算的数据挖掘技术

在大数据时代,数据成爆炸式增长状态,加大了数据分析和利用难度。应用数据挖掘技术有助于提高数据分析和利用水平。云计算、物联网技术的出现则有助于深化发展数据挖掘技术。现如今,对三种技术已进行了融合发展,有效提高了数据挖掘技术应用水平。本文主要介绍了物联网、云计算、数据挖掘的概念,分析了基于云计算的物联网数据挖掘技术原理,同...     

统计行业数据分析与数据挖掘工具应用

现阶段,随着网络信息技术的蓬勃发展,人们越来越重视对数据的收集、整理、分析以及应用,通过对数据进行一系列加工处理,使得数据在推动社会进步和改善人们生活方面的作用不断凸显。在大数据时代,数据的价值被无限放大,数据分析的水平不断提高,数据挖掘的工具不断更新。基于此,笔者主要对统计行业数据分析与数据挖掘工具的相关内容进行阐述,希望能够为有关单位和相关人员开展工作提供借鉴。     

大数据分析与应用课程体系构建

针对高校大数据方向教学与实践课程体系构建,分析国内外教学现状,提出以大数据分析与应用课程为核心,延伸大数据分析在数据挖掘、人工智能等领域应用的课程体系,兼顾大数据技术实践任务与科研项目驱动教学模式,探讨大数据分析与应用课程体系的构建与实施。     

探索数据挖掘分类技术在高校教学中的应用

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。由于数据库中存在着大量数据,因此从数据库中发现有用的信息显得十分重要。对数据挖掘技术的研究,国内外己经取得了许多令人瞩日的成就,并成功地应用到了许多领域,但在教育领域中的应用并不广泛。探索在高校教学中数据挖掘分类技术的应用,提出数据挖掘技术在高校教学应用中的实施方案,并以高校教学中学生成绩的分析为例介绍方案的实施过程。     

大数据在输变电设备状态评估中的研究

电网的高速发展带来海量数据的存储和分析问题,传统的数据管理和分析工具不再适用。本文主要对大数据分析的相关技术在输变电设备状态评估中的应用进行了研究。本文首先分析了大数据以及数据挖掘技术的优点和应用,并介绍了输变电设备状态评估技术的相关内容,随后讨论了大数据和数据挖掘技术在输变电设备状态评估中的应用,并利用分布式存储、时间序列分析、频繁项挖掘以及专家系统等数据挖掘技术在输变电设备评估进行研究,以此提高电网管理的效率和运营的安全性。     

大数据背景下的深度学习技术应用探究

深度学习技术能深层地挖掘大数据的潜在价值,有广阔的应用前景。如何科学、合理运用深度学习技术为企事业单位服务,是当前研究的重点问题。笔者探究了在大数据背景下的深度学习技术,从技术的起源到具体的应用场景进行深入分析,以期为大数据背景下的深度学习技术的合理应用提供有效参考。     

输变电设备状态大数据分析应用探讨

随着电网数据急剧增加,传统的数据挖掘和分析方法已经不能适应当前智能电网的要求,而大数据分析为此提供了相应的实现手段。首先简述了大数据技术理论,并从输变电设备状态分析及应用的具体电网业务角度出发,开展数据整合、数据存储、数据计算、数据分析和结果可视化五部分工作;然后针对输变电设备历史缺陷数据和全过程技术监督的问题数据,应用主成分分析法和聚类算法,构建变压器设备缺陷特征分析模型,实现将设备缺陷内容归类特征贴标签,为电网运检人员提供相关决策的数据分析依据;最后介绍了开展输变电设备潜伏性故障关联预测研究的工作展望。     

数据挖掘在电子商务中的应用

网络技术的发展使得大数据、信息化成为了时代的标尺,在电子商务领域亦是如此.对于商业来说,掌握先机才能够掌握更多的资源,从而获得更有利的竞争力和服务能力.通过对大数据分析得出商业信息和客户需求信息,从而提供客户满意度高的商品或服务,提高企业竞争力和影响力,数据挖掘对于电子商务有着重要的作用.从电子商务和数据挖掘的内涵入手,详细讲解数据挖掘技术在数据挖掘中的任务和过程,并探讨了数据挖掘在电子商务中的应用.     

大数据挖掘及应用

<正>书号:9787302-469278定价:59.50元出版时间:2017年7月内容简介本书是王国胤教授领导的大数据课题组有关大数据智能计算、大数据科学科研和教学的结晶之作。围绕大数据背景下的数据挖掘及应用问题,从大数据挖掘的基本概念入手,系统介绍了大数据挖掘分析过程中的数据准备和预处理方法、数据可视化技术、数据挖掘理论和经典算法、常用大数据分析计算平台     

大数据背景下的民政公共服务信息平台研究

大数据具有规模大、种类多、生成速度快、价值巨大但密度低的特点。民政大数据应用就是利用数据分析的方法,从大数据中挖掘有效信息,为民政提供辅助决策,实现大数据价值的过程。主要介绍民政公共服务模型、技术框架、大数据的联机分析和大数据挖掘模型,对民政公共服务数据处理具有一定的参考价值。     

浅析数据挖掘中的半结构化数据

半结构化数据是网络中一种重要的数据形式,也是进行数据挖掘的重要基础.因此要对 Internet上巨量的数据进行数据挖掘,半结构化数据及模型是前提.本文介绍了半结构化数据的相关概念及其数据模型.     

数据仓库的填充与访问

数据仓库是连接底层数据源与上层应用的枢纽。该文介绍了数据仓库的填充(与数据源的连接)和数据仓库的访问(与应用界面的连接)技术,包括与数据库数据源和非数据库数据源的连接以及采用组件工具访问数据仓库的方式和实现方法。     

数据仓库中基于模糊数据的数据立方体设计

数据仓库中的维数据或度量数据都是确定的,其多维分析也是基于确定数据展开的。在现实中,由于环境的复杂与不确定性,常常需要对模糊数据进行多维分析。文章利用隶属度函数实现确定数据的模糊化,形成基于模糊数据的数据立方体,用以展开多维分析。     

平行数据:从大数据到数据智能*

为了解决实际问题,大数据分析处理系统需要获取数据,然而实际场景中收集到的实际数据通常不完备.另外,大多数问题的解决方案通常是由问题引导或者仅仅进行数据分析,运行参数调整和设定带有较大的盲目性,难以达到应用的智能性.为此,文中提出平行数据的概念和框架,根据实际数据经计算实验产生真正的虚拟大数据,结合默顿定律,以期待的解决方案与问题进行广义对偶,引导大数据聚焦到实际问题.实际数据与虚拟数据动态互动,平行演化,形成一个虚实相生、数据动态变化的过程,最终使数据具备智能,进而解决未知的问题.平行数据不但是一种数据表示形式,更是一种数据演化机制与方式,其特色是虚实互动,所有数据的动力学轨迹构成了数据动力学系统.平行数据为数据处理、表示、挖掘和应用提供了一个新的范式.     

虚拟数据中心的数据映射与数据路由策略研究

数据中心基础数据积累通常使用三种手段:1)ETL技术;2)数据联邦技术;3)中间件技术.但三种技术侧重各有不同,不能同时满足数据集成的持久性与可用性.结合技术优势提出数据虚拟整合,为解决数据虚拟异构数据模型间的数据转换问题,通过对数据虚拟的分析,提出了一种基于元数据驱动的数据虚拟系统体系结构.构建了用于描述和存储映射策略的支撑元模型,并建立了相应数据路由策略.提出了对等主键思想,降低了处理阻抗.     

基于XML的元数据体系的数据交换

该文针对Internet和电子商务中数据交换的需求,提出了基于元数据交换体系的数据交换,该数据交换方法以描述元数据和模式转换元数据为基础支持,并以BtoB模型为应用对象,完成了将XML文档无二义地转换为关系模型的通用方法。     

医院数据仓库数据模型设计

数据模型设计是数据仓库建设的核心,提出一种医院数据仓库数据模型的设计方法.以某一三甲医院的HIS数据为背景,采用数据驱动的手段,结合医院的需求,提出了医院数据仓库的三层数据模型,概念模型、逻辑模型、物理模型,并完整地给出了每个模型的具体的设计和主要内容.设计并实现了医院数据仓库的数据模型,并结合医院具体的数据给出了相应的实例.此医院数据仓库的三层数据模型易于理解和实现,为医院数据仓库设计最终完成提供了基础.     

重建数据立方体的数据覆盖方法

数据切片体现了数据立方体某方面的数据特征,当产生数据切片的数据立方体由于某种原因不可访问时,通过已知的多个数据切片尽可能地恢复数据立方体中的原始信息,有利于对数据的深入分析和理解.提出了一种基于数据切片重建数据立方体的方法,通过数据切片的连接生成多维细粒度空间,利用数据覆盖操作逐步细分每个数据切片所对应的多维空间,以逼近多维细粒度空间.提出了重建后数据立方体的可查询判据.该方法直接利用数据库中的基本操作来实现,高效地支持大数据量的应用环境.     

数据链数据过滤器技术研究

本文主要研究数据过滤器技术征数据链中的应用,并往此基础上提出了数据过滤器的关键技术,在数据管理和资源分配等工程领域具有参考价值。     

数据仓库的数据提取方法

数据提取是数据仓库系统中的重要任务，本文探讨了使用增量表正确进行数据提取的三个实用的方法：表锁定法，时间戳法和增量表轮转法。其中，着重对增量表轮转法进行论述，并给出用视图实现的具体方法。