时态数据挖掘研究进展

Temporal data mining is one of the important braches of data mining.In this paper with the present documents first we systematically classify the present research on temporal data mining.Next,we give our generalizations and analyses to the main braches.Finally problems of the current research of temporal data mining are pointed out and solutions are prposed.     

一类相邻时态关联规则的知识发现问题

本文研究了一类新的知识发现问题即基于时态约束的相邻时态关联问题,首先我们引进了时间的时态型、基时态型等概念及其性质,然后我们给出了有限个属性在时态型的基础上描绘不同状态的时态事件空间,从而定义了事件之间的时态关联规则,由此导出了1种具有一定意义的相邻时态关联规则.这种相邻时态关联规则可以用于商品销售、股票价格等问题的知识发现和短期的预决策,最后讨论了在2个时态型下的相邻时态关联规则的算法主要步骤,并给出了实例的分析.     

数据挖掘中加权时态关联规则的构造

传统的关联规则很少考虑规则的时间适用性,而时态关联规则中每条关联规则都有其成立的时间区域,对上述问题进行了一定的改进。该文在此基础上,构造了一种体现数据时间价值的加权时态关联规则,以使规则的发现体现一种时间趋势,并对同一组数据采用不同关联规则挖掘的结果进行比较,取得了良好的效果。     

持续时态数据挖掘的研究

基于一阶线性时态逻辑。形式化定义时态数据挖掘中的主要概念。利用线性状态结构对每个时间点上的一阶语言符号进行赋值。并度量公式的真值范围．按照挖掘段概念．开发持续挖掘过程模型,用于归纳局部一阶规则与推导高阶规则．基于信息扩散原理．提出一阶规则的度量值估计方法和规则泛化算法．最后通过算例说明了扩散估计和算法的有效性．     

查询与发现数据挖掘技术分析

探讨了数据库应用重要技术－数据挖掘技术，描述了数据查询的结构，已有的各种方式及常用技术，涵盖了大部分流行工具，比如分类、聚类、概括，总结了目前使用的统计与机器学习方法和新的解决方案。     

时态数据挖掘系统的框架研究与实现

与在普通事务数据库中进行数据挖掘相比,时态数据挖掘能更好地反映数据中所隐藏的与时间有关的知识。本文提出了一个基于时态数据库的挖掘框架,并通过实例研究,表明基于此框架所建立的系统能够有效率地挖掘到用户感兴趣的时态知识。     

在数据库中发现具有时态约束的关联规则

目前,国际上的关联规则研究尚未考虑时间因素.然而,时间是现实世界的固有属性,许多现实 世界数据库都存在时态语义问题.该文考察称为有效时间的时态约束问题,提出了时间区间延 展与归并技术以及新的时态关联规则发现算法,从而进一步推广了关联规则的应用.     

浅谈数据挖掘技术

本文叙述了数据挖掘技术的定义，说明了数据挖掘技术的基本方法，分析了数据挖掘技术面临的问题。     

数据挖掘技术

数据挖掘技术是当前数据库和人工智能领域研究的热点课题,为了使人们对该领域现状有个概略了解,在消化大量文献资料的基础上,首先对数据挖掘技术的国内外总体研究情况进行了概略介绍,包括数据挖掘技术的产生背景、应用领域、分类及主要挖掘技术;结合作者的研究工作,对关联规则的挖掘、分类规则的挖掘、离群数据的挖掘及聚类分析作了 较详细的论述;介绍了关联规则挖掘的主要研究成果,同时指出了关联规则衡量标准的不足及其改进方法,提出了分类模式的准确度评估方法;最后,描述了数据挖掘技术在科学研究、金属投资、市场营销、保险业、制造业及通信网络管理等行业的应用情况,并对数据挖掘技术的应用前景作了展望。     

时态数据的一种挖掘算法

时态数据挖掘是数据挖掘中一个日益重要的研究课题。本文针对时态数据中的多维关系模型，提出了一种新的时态数据建模算法。     

时序数据挖掘中的数据表示算法

针对时序数据挖掘中常见数据表示算法的缺陷,提出了基于关键点的误差检验分段算法。该算法首先提出了关键点的概念,接着设计了具有明确物理意义的关键点平滑公式。在此基础上,分析了传统算法在分段误差控制过程上存在的问题,提出利用中位数控制分段拟合误差的思想。最后进行了数据实验。     

Knowledge Discovery for A Temporal Prediction Rules

We are obtaining a large database of some objects' records of fluctuations of a stock market,medical treatments,changes of weather in certain area and so on,where each record consists of multi-attributes taking multi-values changing with time. Our work is motivated by prediction,which is different from the work in 4,5,8,11. We want to help learn from past data and make informed decisions for the future. This paper is very significant to perfect the theory and the development of the temporal data mining.     

数据挖掘在美容美体中心的应用

随着数据挖掘技术的发展,其应用领域也越来越广。介绍了数据挖掘技术的概念,并将数据挖掘技术应用到雅姿美容美体中心,具体阐述使用关联规则分析对顾客所选择的服务进行挖掘,发现顾客同时选择的多种服务间的关联关系,这样有利于将多种服务组合起来进行促销,对雅姿美容美体中心及其他美容美体中心的运营具有重要指导意义。     

Advanced Scout: Data Mining and Knowledge Discovery in NBA Data

Advanced Scout is a PC-based data mining application used by National Basketball Association (NBA)coaching staffs to discover interesting patterns in basketball game data. We describe Advanced Scout software from the perspective of data mining and knowledge discovery. This paper highlights the pre-processing of raw data that the program performs, describes the data mining aspects of the software and how the interpretation of patterns supports the processof knowledge discovery. The underlying technique of attribute focusing asthe basis of the algorithm is also described. The process of pattern interpretation is facilitated by allowing the user to relate patterns to video tape.     

基于非线性相关发现的数据挖掘算法*

现有的关联规则挖掘算法均致力于频繁集搜索,基于预先设置的支持度-置信度之上,具有很大的偶然性,不利于控制;并且关联规则没有体现数据整体的相关性.为了克服以上缺点,引入了非线性相关的概念,应用于不同相关类型规则的挖掘,且无须人为设置参数,从而大大提高了规则发现的实效性.     

基于数据立方体分块的多维关联规则挖掘

介绍了在数据立方体上对于不同可信度的数据进行分块的方法,阐述了基于数据立方体分块的多维关联规则挖掘的算法.     

基于兴趣度的时态关联规则挖掘算法

关联规则挖掘是数据挖掘研究中的一个重要方面,给出了一个关联规则中事件所包含信息的模型,在此基础上,提出了一种基于兴趣度的时态关联规则挖掘算法。该算法较好地弥补了应用模板匹配方法筛选基于兴趣度的关联规则时主观性太强,兴趣度阈值的定义过于简单,所挖掘出来的关联规则没有体现时态约束的缺陷。最后,将该算法应用到了股票数据的趋势挖掘中,得到了满意的实验结果。     

基于数据挖掘的知识发现在水电站优化调度中的应用研究

主要讨论基于数据挖掘技术的知识发现在水电调度系统中的应用，提出了基于数据挖掘的知识发现方法，建立了知识向量集的拓扑空间概念并提出了基于拓扑空间向量集的不确定性知识表示方法。