数据挖掘中概念树的标准、生成和实现

主要介绍了属性的概念树在数据挖掘中作用，并结合实例，如何根据给定的视图自动地生成各属性的概念树，并介绍了如何基于概念树进行规则的挖掘。     

一种基于数据仓库的数据挖掘系统的结构框架

数据仓库和数据挖掘技术是数据库、信息决策和机器学习等领域的前沿研究方向之一。基于数据仓库的数据挖掘技术目前是研究的热点课题。提出了一种基于数据仓库的数据挖掘系统结构框架,介绍了其各个组成部分,并对其中的重要组成模块查询协同机进行了详尽地描述,同时给出了具体的查询协同算法。     

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。     

数据挖掘中的数据品质问题及其挖掘

一、引言数据库中的知识发现(Knowledge Discovery in Databas-es,KDD)有时又叫数据挖掘(Data Mining,DM),它的各项技术在各个领域得到了应用,并得到广泛的重视。建立数据仓库是数据挖掘工作的第一步。数据仓库被定义为面向主题、集成的、随时间变化的、数据稳定的,被用来组织决策的数据集合。数据仓库作为一个很重要的策略来为一个组织的从各种异构的信息来源进行结合,并进行在线分析(OLAP)以及数据挖掘。不幸,数据挖掘中的数据品质未得到人们的足够重视。实     

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。     

基于本体的数据挖掘方法

数据挖掘是一个人机交互的过程,领域知识对数据挖掘起着重要作用,提出一种基于本体的数据挖掘算法,使领域知识和数据库无链连接,该算法能更有效地发现有意义的多层次规则。     

数据挖掘方法和知识发现

数据挖掘与知识发现是一个以数据库、人工智能、数理统计、可视化四大支柱技术为基础,多学科交叉、渗透、融合形成的新的交叉学科,其研究内容十分广泛。从数据挖掘与知识发现的概念开始入手,对数据挖掘技术常见的方法进行了分类讲解,同时比较了不同种方法之间的优缺点。     

概念聚类挖掘方法的客户交易行为分析

本文首先介绍数据挖掘的相关概念,再给出了一个在证券行业应用的系统。该系统采用要领聚类的挖掘方法,从客户的交易行为中撮有价值的信息,发现影响客户盈亏的一般性规律。     

用于软件行业的数据挖掘

提出了在软件行业中应用数据挖掘的技术，并针对软件行业的特点，对如何在软件行业中应用数据挖掘技术以及应用中面临的困难和挑战进行了讨论。     

一种时序数据的离群数据挖掘新算法

离群数据挖掘是数据挖掘的重要内容，针对时序数据进行离群数据挖掘方法的研究。首先通过对时序数据进行离散傅立叶变换将其从时域空间变换到频域空间，将时序数据映射为多维空间的点，在此基础上，提出一种新的基于距离的离群数据挖掘算法。对某钢铁企业电力负荷时序数据进行仿真实验，结果表明了算法的有效性。     

XML data mining

With the spreading of XML sources, mining XML data can be an important objective in the near future. This paper presents a project focussed on designing a general‐purpose query language in support of mining XML data. In our framework, raw data, mining models and domain knowledge are represented by way of XML documents and stored inside native XML databases. Data mining (DM) tasks are expressed in an extension of XQuery. Special attention is given to the frequent pattern discovery problem, and a way of exploiting domain‐dependent optimizations and efficient data structures as deeper as possible in the extraction process is presented. We report the results of a first bunch of experiments, showing that a good trade‐off between expressiveness and efficiency in XML DM is not a chimera. Copyright © 2009 John Wiley & Sons, Ltd.     

利用反馈的时序模式挖掘算法研究

针对时序数据相似性挖掘方法进行研究，提出一种利用反馈的时序数据相似性挖掘算法，由用户赋予各初始范围查询得到的相似序列相应的权值，通过反馈与给定序列叠加产生新的查询序列，再次进行范围查询，获得相似序列，将该算法用于某钢铁企业的电力负荷时序数据，计算结果表明了算法的有效性。     

流式数据上关联规则挖掘研究综述*

当前许多工程领域产生大量高速实时的流式数据,基于流式数据的关联规则挖掘应用广泛,与传统的静态数据相比,流式数据上关联分析面临极大的资源挑战。提出了流式数据上关联规则的形式化定义和基本挖掘算法,系统地回顾了近年来流式数据上关联规则挖掘的研究进展,详细分析了目前挖掘算法研究中存在的主要问题和解决途径,阐述了未来的研究方向。     

一种获取渔场知识的数据挖掘模型及知识表示方法研究*

提出了一种获取渔场知识的数据挖掘模型及知识表示方法。首先利用SVM(支持向量机)和模糊分类器从数据库中提取出有利于渔情预测的静态知识,然后通过可拓挖掘方法将静态知识转换为动态知识,最后采用本体构建技术对渔场的静态知识和动态知识进行表达,建立本体知识库。在上述方法的研究基础上,建立了以印度洋大眼金枪鱼为例的渔情预测原型系统。系统运行结果表明,提出的获取渔场知识的数据挖掘模型及知识表示方法是有效可行的。     

数据挖掘在2型糖尿病数据处理中的应用

基于大量实测数据探索2型糖尿病的发病规律,寻求其有效的数据处理方法。将数据挖掘技术引入到2型糖尿病数据处理中得出决策分类树,再同医学认识相对照。利用11400条实测数据,采用C4．5算法得出分类树,经实验患病人群的正确识别率为80．90％,未患病人群的正确识别率为92．05％。给出的决策分类树同目前医学上认识的高危因素趋于一致,同时给出了血糖值等于5．85的临界性数值。数据挖掘方法的引入为2型糖尿病数据处理提供了一种新的方法,为其预警、干预和有效控制提供了一种新的解决方案。     

基于用户访问信息的数据挖掘方法及其算法

旨在探讨一种新的Web访问信息挖掘方法及其算法。分析一般知识发现与Web挖掘方法,提出常见的基于Weblog访问信息的数据挖掘方法存在的局限性,在此基础之上,提出了一种基于自建访问信息收集库的Web访问信息挖掘方法,详细阐述了其中的知识仓库导航页面集与用户访问行为的描述方法,以及访问事务库的挖掘算法。该新方法具有更简便、灵活、高效的特点。     

Combining expert knowledge and data mining in a medical diagnosis domain

The medical diagnosis system described here uses underlying knowledge in the isokinetic domain, obtained by combining the expertise of a physician specialised in isokinetic techniques and data mining techniques applied to a set of existing data. An isokinetic machine is basically a physical support on which patients exercise one of their joints, in this case the knee, according to different ranges of movement and at a constant speed. The data on muscle strength supplied by the machine are processed by an expert system that has built-in knowledge elicited from an expert in isokinetics. It cleans and pre-processes the data and conducts an intelligent analysis of the parameters and morphology of the isokinetic curves. Data mining methods based on the discovery of sequential patterns in time series and the fast Fourier transform, which identifies similarities and differences among exercises, were applied to the processed information to characterise injuries and discover reference patterns specific to populations. The results obtained were applied in two environments: one for the blind and another for elite athletes.     

时间序列数据挖掘综述

在综合分析近年来时间序列数据挖掘相关文献的基础上,讨论了时间序列数据挖掘的最新进展,对各种学术观点进行了比较归类,并预测了其发展趋势.内容涵盖了时间序列数据变换、相似性搜索、预测、分类、聚类、分割、可视化等方面,为研究者了解最新的时间序列数据挖掘研究动态、新技术及发展趋势提供了参考.     

Spatial data mining and visualization based on self-organizing map

Based on the traditional spatial data analysis, a novel mode of spatial data mining and visualization is proposed which integrates the self-organizing map for the actual problem. Simulations for IRIS data show that this method （computational and visual） can collaboratively discover complex pattems in large spatial datasets, in an effective and efficient way.