医学数据挖掘综述

医学数据挖掘是提高医学信息管理水平,为疾病的诊断和治疗提供科学准确的决策,促进医疗发展的需要。该文主要介绍了医学数据的特点,医学数据挖掘的发展状况和应用的技术方法,同时展望了数据挖掘技术在医学领域的应用前景。     

数据挖掘技术在水厂生产分析中的应用

本文在研究数据挖掘方法的基础上,探讨了基于时间序列数据挖掘技术和算法,并探索其在水厂生产分析及控制领域中的应用。在分析水厂工艺生产特点及生产数据的特征后,应用关联规则挖掘技术对离散化后的水厂生产数据进行数据挖掘。     

数据挖掘技术在财经领域的应用

介绍了数据仓库技术和数据挖掘技术在财经领域的应用,分析了其应用特点,给出了在数据仓库条件下对各类财经数据进行数据挖掘的分析。     

数据挖掘技术在图书馆系统中的研究现状分析与研究

随着数据挖掘技术的发展与应用,图书馆作为经济社会的信息中心,成为数据挖掘技术的主要应用领域,本文先从图书情报领域的数据特点分析着眼,介绍了在图书馆系统中常用数据挖掘模型,对国内外研究现状进行了调查与分析,重点论述了数据挖掘技术在图书馆系统中应用方向,强调了图书馆与行业结合的需求与应用。     

数据挖掘:建模、算法、应用和系统

数据挖掘是20世纪末逐渐形成的一个多学科交叉领域，目前已经广泛成功地应用在金融，零售、医药、通讯、电子工程、航空、旅馆等有大量数据和深度分析需求的领域。文中对数据挖掘的建模、算法、应用和软件工具进行了综述，给出了数据挖掘的定义、范畴和特点，以及数据挖掘的数据集的各种实际情况；总结了数据挖掘在实际应用时的基本步骤和过程；对数据挖掘在各种应用问题上的任务和建模进行了讨论；列举了目前数据挖掘领域中主要流行的算法，并对算法设计需要考虑的问题进行了简要的分析；综述了目前数据挖掘算法在一些领域的应用；较全面地叙述了目前数据挖掘软件工具性能及其开发商情况；最后，对数据挖掘的发展前景和方向进行了展望。     

医学数据挖掘过程的研究

本文分析数据挖掘的应用现状及医学领域数据的特点,针对医学数据的特点提出对应解决方法,并结合医学数据特征定义了数据挖掘的过程。始于问题,建立数据挖掘的数据仓库,运用相应的数据挖掘技术进行信息或知识的挖掘并确保信息或知识的有效性,最终服务于应用。     

数据挖掘取样方法研究

取样方法这种有效的近似技术在现在的数据挖掘研究中能够最大限度的减小数据集的处理规模,将大规模数据集及数据流数据上以数据挖掘算法进行处理。取样法具有通用有效的特点。本文化通过对数据挖掘领域的取样方法分类以及影响取样方法选择的因素等问题进行分析研究,着重探讨了数据挖掘领域的代表性取样方选用以及应用发展。     

知识发现和数据挖掘及其在油田生产辅助决策中的应用

知识发现（KDD)与数据挖掘(DataMining)是一个飞速发展的领域，随着方法和技术手段日趋丰富，应用也更加广泛深入。本文简论了数据挖掘与知识发现技术及其特点、结合采掘系统原型框架探讨了数据采掘技术在油田生产辅助决策中的应用。     

数据挖掘技术在农业数据中的有效应用

农业信息系统的建立和大量农业数据的增长,人工获取知识和分析数据变得越来越难,需要对数据进行自动分析并获取知识。KDD和数据挖掘技术在农业中得到应用,由于农业领域本身的特点,通常的数据挖掘技术得不到有效应用。该文提出了几种对农业数据库进行知识发现的有效方法,并将知识发现方法与信息系统紧密结合。     

数据挖掘技术在农业数据中的有效应用

农业信息系统的建立和大量农业数据的增长,人工获取知识和分析数据变得越来越难,需要对数据进行自动分析并获取知识。KDD和数据挖掘技术在农业中得到应用,由于农业领域本身的特点,通常的数据挖掘技术得不到有效应用。该文提出了几种对农业数据库进行知识发现的有效方法,并将知识发现方法与信息系统紧密结合。     

过程工业中数据挖掘技术的应用

针对过程工业的复杂性及其数据特点，讨论了数据挖掘技术工业应用的基本思想，提出了复杂过程工业应用数据挖掘技术的基本策略。     

工业大数据分析技术与轮胎销售数据预测

工业大数据是在工业领域信息化应用中所产生的海量数据,作为决策问题服务的大数据集、大数据技术和大数据应用的总称。首先分析工业大数据4V特性与工业数据的特有特征,以及工业大数据来源;从多源异构工业数据集成与数据融合方法、工业大数据计算架构、大数据带来的信息安全等三方面论述工业大数据面临的挑战与潜在价值。探讨了工业大数据分析与挖掘方法,提出了工业大数据平台的计算架构与大数据处理平台,构建轮胎企业大数据资源中心、大数据分析与决策应用系统。从销售数据分析和宏观数据趋势两个层面进行轮胎销售大数据分析与预测。采用多个不同领域的销售数据源来解决销售预测历史数据特征空间稀疏的问题,使用LASSO（The Least Absolute Shrinkage and Selectionator Operator）方法的多任务学习方法来解决高维样本空间的缺点,实验数据验证能够提升轮胎销售预测的准确率。     

基于数据挖掘的仿真模型参数修正

针对工业仿真数学模型参数估计实践中的难点,提出了通过数据挖掘来修正模型参数的新方法。从实际生产的大量数据中挖掘样本,通过数学方法计算模型参数,针对包含噪声的工业生产数据主要采用改进了最小二乘方法来修正参数;根据工业生产数据不完全及常见分布特点,采用分段组合修正参数的方法;通过实际生产的动态过程的历史数据挖掘来估计动态特性的相关参数,模型参数修正与数据挖掘过程交互引导,来缩小海量工业数据中的挖掘范围及提高参数修正所需样本数据的充分性,并建立两者之间互相协调的网络模型。实际案例验证了方法在工程项目中的有效性和实用性,表明这种方法能大幅提高仿真精度     

基于ADTree改进算法的轮胎大数据质量分析

工业企业在生产制造过程中积累了大量的生产数据.海量的工业数据蕴含了价值巨大的信息,通过分析、挖掘这些工业数据能够提升企业数字化管理与质量数据分析能力.本文以轮胎行业制造大数据的应用为背景,分析了轮胎行业制造大数据的质量分析需求与数据特征,将轮胎生产各个环节的多源异构数据有效整合,经过数据预处理流程,构建了结构化的生产制造与质量检测关联分析数据集.针对传统ADTree算法性能较低的问题,本文使用优化后的自底向上的归纳方法进行了改进,充分利用已知数据,减少了建树时分裂测试评估的计算量.实验证明,改进后的ADTree算法更适用于大数据量的数据挖掘.ADTree的挖掘结果经过整理,可以找出影响轮胎质量的重要因素.     

用SQL Server2000实现数据挖掘的技术与策略

OLE DB是被许多第三方数据挖掘产品供应商所支持的微软制定的工业标准。OLE DB for DataMining以表的形式表达数据挖掘模型对象,而且也提供一种类似SQL的DDL使开发者能更好地建立数据挖掘应用。给出了一个关于运用SQL Server 2000构建数据挖掘应用的实例。     

用SQL Server 2000构建数据挖掘解决方案

Microsoft的SQL Server2000第一次包含了数据挖掘特性。Microsoft的数据挖掘解决方案是基于针对指定的数据挖掘OLE DE上的。OLE DB是Microsoft制定的工业标准并被一系列数据挖掘ISV所支持。这种指定为数据挖掘提出了一种新的类SQL语言,这种语言使数据库开发者能更好地建立数据挖掘的应用。本文给出了一个关于运用SQL Server 2000构建数据挖掘应用的示例。     

哈希函数的应用辨析

分析和对比了哈希函数在信息安全、数据结构和数据挖掘等领域的应用，找出了它在不同领域里所呈现的特点和要求：信息安全领域里的单向性、随机性和无碰撞性，数据结构里尽可能减少碰撞、但不能避免碰撞，而数据挖掘里用于任务分配时则要求均匀碰撞。这为相关课程的教学提供了一些有益的参考，便于澄清一些模糊、混淆的认识。     

Web日志挖掘中数据预处理技术的研究

在Web数据挖掘研究领域中,Web日志挖掘是一个极其重要的应用方面,而数据预处理技术在Web日志挖掘中又起到非常重要的作用.介绍Web日志文件的记录格式和Web日志挖掘预处理的一般过程,针对实际应用中遇到的问题提出一种解决方法,最后给出算法代码.     

数据挖掘在高校教学及学生学习评价中的应用空间分析

数据挖掘技术目前在商业、金融业等方面都得到了广泛的应用，而在教育领域应用较少，本文通过对数据挖掘在高校信息化中的应用空间分析．提供了一个学习者特征分析模式，帮助教学人员合理安排教学工作，协助辅导员对学生的管理，对提高学校的教学管理水平起到指导作用．为数据挖掘技术有效应用于教育领域研究提供了一个方向。     

数据挖掘在高校教学及学生学习评价中的应用空间分析

数据挖掘技术目前在商业、金融业等方面都得到了广泛的应用,而在教育领域应用较少,本文通过对数据挖掘在高校信息化中的应用空间分析,提供了一个学习者特征分析模式,帮助教学人员合理安排教学工作,协助辅导员对学生的管理,对提高学校的教学管理水平起到指导作用,为数据挖掘技术有效应用于教育领域研究提供了一个方向。