数据预处理的数据缩减方法的研究

在数据挖掘之前对待挖掘数据进行一些选择与准备的预处理工作,可以对数据挖掘的过程和结果产生直接影响。其中数据缩减技术最大限度地精简数据量,提高数据挖掘的执行速度与效率。论述一些典型的数据缩减方法,说明典型方法的应用情况,分析典型方法的使用特点,通过对训练集数据的应用对数据缩减方法进行研究。     

Web数据挖掘在淘宝网玩具市场的应用

本文详细探讨了Web数据挖掘技术在淘宝网玩具市场的应用。通过爬取淘宝网玩具市场的网页数据信息,并应用数据挖掘技术对这些数据进行分析、挖掘,发现了一些对卖家决策有指导意义的知识。     

数据挖掘技术在软件工程中的应用

随着社会的不断发展和进步,人们对生活的追求不断提升,同时,信息通信技术也在日益革新。目前,在日常生活中,人们接收到的信息量巨大,并且互联网的普及和应用使得信息更加复杂。为了让人们可以更好采集数据,需要一种数据挖掘技术处理和过滤信息,快速提取出有用的数据信息,提高人们解决问题的效率,提高工作质量。笔者详细介绍了数据挖掘技术,并且分析了数据挖掘技术在软件工程领域的实际应用,阐述了数据挖掘技术使用过程中的一些技术难题和应用效果。     

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...     

客户关系管理及数据挖掘在其中的应用研究

介绍了客户关系管理及数据挖掘的基本概念，针对企业在客户关系管理中难以从海量数据中抽取有价值信息的问题，分析了数据挖掘技术在客户关系管理的一些领域中的应用。     

基于混合数据挖掘方法的入侵检测算法研究

入侵检测技术是一种主动保护自己免受攻击的网络安全技术,入侵检测系统处于防火墙之后,在不影响网络性能情况下对网络活动进行实时监测。传统的入侵检测系统面对海量的信息数据,不能及时有效地分析处理这些数据,而数据挖掘技术的运用正好能够满足入侵检测系统的要求,合理的分析数据,有效处理数据。文章针对目前入侵检测系统中存在的一些问题,重点阐述了数据挖掘算法在异常检测和误用检测中的具体应用。对于异常检测,主要运用了分类算法;对于误用检测,主要运用了聚类算法、关联规则和孤立点等算法。最后根据基于数据挖掘的入侵检测系统的主要优点对目前数据挖掘算法在入侵检测中应用所面临的难点进行了分析,并设计了国内第一个数据挖掘混合技术的入侵检测算法实例。     

数据挖掘在水文相似年查找中的应用研究

研究探索了包括目标理解、准备数据、数据预处理、建立模型、评估解释、知识应用等水文数据挖掘的六个过程。并采用公共的数据处理和挖掘算法,实现各过程之间数据无缝连接,形成了松散耦合的水文数据挖掘系统体系框架。在实施水文数据挖掘过程中,将数据挖掘的一些数据处理方式应用到了水文领域,同时也采用了水文领域中的一些数据处理技术,实现了数据挖掘领域与专业领域的数据处理和评价方式融合。通过选取江苏省国家水文数据库中的两个不同代表性区域的水文资料,严格按照水文数据挖掘的过程控制,以水文相似年查找为突破口,实施数据挖掘。在全方位地对结果分析、对比和评价后发现,以数据挖掘的方法,采用聚类分析中分层聚类的凝聚算法,进行水文相似年查找所发现的结果与水文领域专家知识基本相符。     

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。     

数据挖掘中分类算法的研究及其应用

分类算法是数据挖掘中的最重要的技术之一.作者对具有代表性的分类算法进行了分析和比较;并应用分类方法在居民出行数据中挖掘出一些公交乘客规则,讨论了数据挖掘方法在公交乘客预测中应用的前景和实效.     

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。     

SAS数据挖掘在冷轧酸洗卷质量缺陷分析中的应用

数据挖掘作为一种发现大量数据中潜在信息的数据分析技术,受到各界的密切关注。SAS数据挖掘技术是众多数据挖掘方法中的佼佼者,它在大型企业中得到很好的应用。本文介绍数据挖掘的背景知识,并利用SAS/EM工具,对该技术在冷轧酸洗卷质量缺陷原因分析作了初步尝试。     

基于聚类的体质数据库中的知识发现

数据挖掘是当今人工智能、机器学习和统计学等多门学科交叉研究热点,旨在从大量原始数据中提取出有价值事先未知并能被人理解的模式。本文以2005年上海市国民体质监测数据为分析对象,采用聚类分析挖掘技术对体质影响因素进行分析,为体质健康研究提供依据。经分析,得出立定跳远跳得远的,双脚连续跳跳得少等结论。说明用基于聚类技术解决体质方面的问题具有实际应用价值。     

一种基于数据挖掘技术的入侵检测模型研究

入侵检测系统是一种检测网络入侵行为并能够主动保护自己免受攻击的一种网络安全技术,是网络防火墙的合理补充。文中分析了入侵检测系统的通用模型,介绍了入侵检测系统的分类,给出了传统的网络检测技术,在此基础上,详细讨论了数据挖掘技术及其在入侵检测系统中的应用,提出了一个基于数据挖掘技术的入侵检测模型,该模型采用了数据挖掘中的分类算法和关联规则。经过实际测试,该模型能够使网络入侵检测更加自动化,提高检测效率和准确度。     

Evaluation of decision trees: a multi-criteria approach

Data mining (DM) techniques are being increasingly used in many modern organizations to retrieve valuable knowledge structures from organizational databases, including data warehouses. An important knowledge structure that can result from data mining activities is the decision tree (DT) that is used for the classification of future events. The induction of the decision tree is done using a supervised knowledge discovery process in which prior knowledge regarding classes in the database is used to guide the discovery. The generation of a DT is a relatively easy task but in order to select the most appropriate DT it is necessary for the DM project team to generate and analyze a significant number of DTs based on multiple performance measures. We propose a multi-criteria decision analysis based process that would empower DM project teams to do thorough experimentation and analysis without being overwhelmed by the task of analyzing a significant number of DTs would offer a positive contribution to the DM process. We also offer some new approaches for measuring some of the performance criteria.     

数据挖掘中的数据预处理

1 引言数据挖掘(Data Mining,简称DM),也称为数据库中的知识发现KDD(Knowledge Discovery inDatabase),是近几年来随着数据库和人工智能发展起来的一门新兴的数据库技术。其处理对象是大量的日常业务数据,目的是为了从这些数据中抽取一些有价值的知识或信息。原始业务数据是知识和信息提取的源泉,对于数据挖掘就显得十分重要。目前所进行的关于数据挖掘的研究工作,大多着眼于数据挖掘算法的探讨,而忽视了对数据处理的研究。目前一些比较成     

DM3多数据源数据仓库的一致性维护算法研究

数据仓库是一个集成了多个分布式、自治或异构数据源上的信息的数据储藏室,以支持用户的查询和分析。本文介绍了DM3数据仓库实现我数据源实化视一致性维护的策略,分析了产生视图不一致性的原因和解决办法,以及改进后的一致性维护算法：Strobe*算法和T－Strobe*算法。     

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     

基于数据仓库的医院决策支持系统的研究与设计

在医院原有信息系统HIS的基础上,综合运用数据仓库（DW）、联机分析处理（OLAP）、数据挖掘（DM）等新兴技术,搭建了一个完整的医院决策支持系统。清楚简明的介绍了系统的体系结构和总体实现,并对DW、OLAP和DM等关键部件的设计作了详尽的探讨。     

基于DW的连锁超市决策支持系统的研究与设计

文中在连锁超市原有的联机业务管理信息系统的基础上,综合运用了数据仓库(DW)、联机分析处理(OLAP)、数据挖掘(DM)等新兴技术,开发了一个完整的连锁超市决策支持系统。简明扼要地介绍了系统的体系结构和总体实现,并对DW,OLAP和DM等关键部件的设计作了详尽的论述。     

基于同步多维数据流的脑网络动态特征辨识方法研究

针对人脑实时变化的特性,为了更好的观测和描述人脑网络的动态特征,在基于功能磁共振成像的脑功能网络重构技术基础上,给出了一种人脑网络动态特征辨识方法。首先利用同步多维数据流的即时更新能力,将在静息态功能磁共振成像数据采集区间上的血氧水平依赖信号由大时间序列分解重构为每个采样点上的小时间窗口序列,构建连续时间点上的状态观测窗口,从而实现对人脑功能共振信号的特定时间状态辨识,然后运用相关分析对状态观测窗口信号进行分析,得到单状态观测矩阵,最终构建全脑在整个数据采集区间上的动态特征矩阵。实验结果显示该方法可以为人脑网络的动态特征观测和描述提供一种有效手段,也为进一步研究人脑网络的动态特征演变奠定了基础。