基于Multi-Agent的数据挖掘模型的研究

数据挖掘是人们长期对数据库研究的结果，但是传统的数据挖掘存在低效性和非智能化等不足。随着具有自主性和社会性的智能计算实体Agent的出现和发展，文中将Multi-agent技术应用到数据挖掘中，并提出了基于Multi-agent智能化的数据挖掘模型，讨论了模型的运行过程。这一模型弥补了传统数据挖掘的缺陷和不足，而且在很大程度上提高了数据挖掘的智能性和高效性，减少了人工的参与。     

基于关联规则算法的数据挖掘技术分析与研究

随着数据库信息技术的快速发展,数据挖掘技术也得到了快速的发展和应用.数据挖掘技术是在海量的信息中找出有价值的信息的一种技术,在数据挖掘技术中关联规则算法是重要的研究对象.对数据挖掘技术研究现状进行了分析,对数据挖掘技术的特点及应用进行了研究,结合关联规则算法的具体应用特点,对基于关联规则算法的数据挖掘技术进行了分析与研究.     

数据挖掘技术探析

数据挖掘是数据库应用的一个新领域,融合了数据库、人工智能、统计学等多个领域的理论和技术。它是计算机行业发展最快的领域之一,它已经形成了一个独立领域。本文在基于数据挖掘的概念的基础上,提出了数据挖掘的相关技术以及数据挖掘过程。     

数据挖掘技术的研究现状及发展方向

数据挖掘技术是当前数据库和人工智能领域研究的热点。文章对国内外数据挖掘技术的总体情况进行了概括性的介绍，其中包括数据挖掘技术的产生背景、应用领域等，并对当前数据挖掘的分类以及数据挖掘技术中常用的一些挖掘算法进行了说明，最后列出了一些数据挖掘在实际领域中的应用，并对数据挖掘技术的前景作出了展望。     

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。     

数据挖掘技术在高校数字化信息平台中的应用研究

数据挖掘技术是人们长期对数据库技术和人工智能技术进行研究的结果。基于数据挖掘技术的高校数字化信息平台的解决方案的重点是解决了校园信息化建设过程中不同厂家、不同产品、不同运行环境、不同开发工具开发的应用系统的松散型、低耦合的集成。     

数据挖掘技术在高校数字化信息平台中的应用研究

数据挖掘技术是人们长期对数据库技术和人工智能技术进行研究的结果。基于数据挖掘技术的高校数字化信息平台的解决方案的重点是解决了校园信息化建设过程中不同厂家、不同产品、不同运行环境、不同开发工具开发的应用系统的松散型、低耦合的集成。     

基于Multi-Agent的数据挖掘模型的研究

数据挖掘是人们长期对数据库研究的结果,但是传统的数据挖掘存在低效性和非智能化等不足。随着具有自主性和社会性的智能计算实体Agent的出现和发展,文中将Multi-agent技术应用到数据挖掘中,并提出了基于Multi-agent智能化的数据挖掘模型,讨论了模型的运行过程。这一模型弥补了传统数据挖掘的缺陷和不足,而且在很大程度上提高了数据挖掘的智能性和高效性,减少了人工的参与。     

数据仓库与数据库相结合完善通风网络数据处理

数据仓库技术是信息产业的新兴技术之一，对大型企业的事务分析、决策等具有很大意义。将数据仓库技术、数据挖掘技术引入到矿井通风网络数据处理这一研究领域，介绍了数据仓库的概念、特征以及数据分析的相关技术，讨论了矿山企业通风网络数据仓库的建立过程，提出了一种数据仓库技术与数据库技术相结合的矿山企业通风网络管理系统。     

基于属性拓展的数据挖掘预处理技术研究

目前的数据挖掘技术基本上依据的是原始数据库中的信息,数据预处理技术要维护原始数据库的信息基本不变,只是进行简单的数据标准化、数据平整、异常点发现、缺失数据修补、数据离散等基本预处理工作,不能从根本上拓展原始数据库中的信息。同时,为保密起见,兴起的隐私保护数据挖掘技术对原始数据库中的敏感数据进行处理,隐藏了一些基本信息,进一步弱化了原始数据库中的信息含量。基于属性拓展的数据挖掘预处理技术,从原始数据库出发,通过属性拓展,拓展基础数据库所蕴含的信息,使数据挖掘能产生更深的隐藏关联规则。     

基于SQL Server 2005的数据挖掘的研究

提高数据挖掘的效率是目前信息技术研究的热点问题之一。介绍了数据挖掘的概念、过程模型以及体系结构,讨论了基于Microsoft SQL Server2005的数据挖掘方案和采用SQLServer分析服务实现数据挖掘的相关技术。采用SQLServer分析服务的数据挖掘．实现了数据挖掘、数据仓库与应用程序的紧密耦合,从而大大提高了数据挖掘的效率。     

基于数据挖掘的桥梁抗震分析结果可视化系统设计

结合数据挖掘技术与分析结果可视化系统的开发，主要研究了基于知识的数据挖掘技术和桥梁抗震分析结果可视化系统模型；最终开发了一套实用的桥梁抗震分析结果可视化系统。     

聚类数据挖掘在商场顾客分析中的应用

数据挖掘用于从大量数据中发现知识,提供决策支持.本文对聚类数据挖掘应用于商场顾客分析的实现问题进行了研究.基于重庆两百商场OLTP数据库,构建了数据仓库,针对商场顾客群特征,以及顾客特征与购买商品类别之间的关系问题,建立了两个聚类数据挖掘模型,并对数据挖掘结果进行了分析.     

关联规则与聚类分析在超市中的应用研究

数据挖掘是商务智能中经常使用的一项重要技术,企业在其整个运营过程中,积累了庞大的数据信息,决策者们所需要的信息往往就隐藏在里面,数据挖掘的目的就是如何有效地处理这些数据。在介绍数据挖掘与商务智能的基础上,讨论了关联规则的Apriori算法和聚类分析的K-means算法,结合数据挖掘软件Clementine分析了这两种算法在超市中的挖掘过程,得出一些有益的结论。     

数据挖掘技术探讨

数据挖掘(Data Mining)是目前IT业界的热点,其身影随处可见。数据挖掘技术在许多行业中得到了很好的应用,尤其是在市场营销中获得了成功,初步体现了其优越性和发展潜力。该文主要分析了数据挖掘、数据仓库,联机分析处理(OLAP分析)等基本概念及它们之间的联系,并简要介绍了数据挖掘工具和数据挖掘应用领域。     

数据仓库与数据挖掘的关系及其安全性问题

数据仓库与数据挖掘是当今新的技术热点,数据仓库是一种解决数据使用的高效技术,数据挖掘为之提供了更好的决策支持和服务,同时促进了数据仓库技术的发展。从数据仓库的相关技术和体系结构分析展开研究,分析了数据挖掘与数据仓库的关系,重点阐述了数据仓库的安全性问题,展望了数据仓库未来的研究方向。数据仓库和数据挖掘二者既相互结合、共同发展,又相互影响、相互促进。数据仓库越来越广泛地运用到各个领域中,成为企业获得竞争优势的关键武器。     

数据挖掘中的统计方法

Data mining is the process of secondary analysis of large databases aimed at finding unsuspected relationships which are of interest or value to the database owners. We analyze the statistical methods in the classification in data mining, include: preprocessing techniques, classification algorithms, and post-classification analysis. Also, we introduce the Bayesian networks for data mining.     

聚类分析在高校图书馆读者管理中的应用

利用SAS数据挖掘软件和SQL Server2000构成的数据挖掘模型对读者数据进行聚类分析,通过TREE过程将聚类结果以树状图的形式展示出来,得到读者群体的分类并依据分类为读者提供个性化服务。     

数据挖掘技术在银行监管工作中的应用研究

数据挖掘技术是智能化领域的关键技术,目前已在各行各业都得到了较为广泛的应用,尤其在金融领域应用更加广泛。本文研究的重点就是通过分析数据挖掘的基本概念,以及在银行监管工作的主要应用,并简要总结了促进数据挖掘技术在银行监管工作中的应用需要注意的几个关键问题。