并行数据挖掘研究

随着数据挖掘中数据量的高速增长以及大规模并行计算在数据挖掘中的应用，并行数据挖掘这一结合并行计算技术和数据挖掘技术在社会各个方面得到了大规模的各种各样的应用。然而，在数据挖掘并行化过程的同时，由于挖掘系统本身的原因，将挖掘过程完全并行还有一定的困难，这正是研究并行数据挖掘的价值所在。该文在分析并行挖掘现状，阐述并行挖掘技术发展前景的同时，针对并行挖掘的问题，指出了今后应该进行的工作。     

一个数据挖掘工具的设计与实现

数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据间关系的过程，这些模型和关系可以用来做出预测，该文介绍了一人数据挖掘工具的设计，以Apriori算法为核心，实现了数据挖掘中基于数据库的几种常用挖掘方法，包括基于关系数据库的数据挖掘，不完整数据库中的数据挖掘和根据兴趣度测量来挖掘感兴趣知识的异常关联规则挖掘。     

空间数据挖掘在GIS中的应用研究

近年来，数据挖掘技术的应用越来越广泛。本文研究了空间挖掘技术的理论、过程及方法．并在此基础上提出了一种基于MapX的空间数据挖掘系统结构，以及挖掘过程中所需的数据预处理方法和挖掘算法，为数据挖掘与GIS的集合找到了一种解决方法。     

OLAP数据挖掘引擎算法的设计与实现

基于OLAP的数据挖掘，是数据挖掘的一个新的发展方向。对于如何把OLAP(联机分析处理技术)和DM(数据挖掘)统一起来，从而在数据库或数据仓库的不同层次进行挖掘，提出了OLAP数据挖掘系统的结构。通过研究数据挖掘方法和OLAP操作的特点，以及数据立方的构建和物化，对传统的DM算法进行了改进，设计并实现了更能适应OLAP数据挖掘引擎的算法。     

有效支持度和模糊关联规则挖掘

关联规则挖掘是数据挖掘的重要研究内容，将模糊的思想融入数据挖掘，形成的模糊关联规则的挖掘是当前关联规则研究的新方向，本文在模糊关联规则的挖掘中提出了有效支持度的概念，使其用于频繁模糊模式集的挖掘、挖掘的结果更为简洁和合理，同时挖掘的效率也得到了提高。     

频繁项集挖掘算法

数据挖掘在最近几年里已被数据库界所广泛研究，而搜索频繁项集是诸如关联规则挖掘，序列模式挖掘等数据挖掘问题中的关键步骤。本文描述了频繁项集挖掘问题的特点，并根据搜索策略对已有各种频繁项集挖掘算法进行了分析和比较。     

用神经网络选择多维数据挖掘空间的研究

多维数据挖掘是基于数据仓库系统的重要决策支持技术，遗憾的是，由于多维数据的复杂性使数据挖掘的效率和实用性都很差，本文通过对多维数据挖掘模型的分析，说明在多维数据挖掘过程中挖掘空间的选择是影响结果成败的关键步骤，在此基础上提出一种用于挖掘空间选择的神经网络模型，并通过实例应用说明该模型能够正确寻找到正确的挖掘空间，最后文章讨论了该模型的优缺点。     

基于遗传算法的数据挖掘技术的研究

文章首先对数据挖掘进行了概述，阐明了什么是数据挖掘，为什么要数据挖掘，如何进行数据挖掘以及数据挖掘的主要过程，接着介绍了数据挖掘中的一个重要算法－遗传算法，文章对遗传算法的产生与发展以及主要理论等进行了简要的介绍，提出了基于遗传算法的关联规则的提取方法，文章还结合作者单位的智能型学生管理系统，给出了用遗传算法进行关联规则挖掘的实例，并讨论了遗传算法所面临的问题与挑战。     

基于XML的Web挖掘技术研究

面向Web的数据挖掘是当今数据挖掘技术的热点。本文首先介绍数据库挖掘技术和Web挖掘技术的相关背景，然后详细阐述了XML语言的卓越特性及其在Web数据挖掘中的重要应用，最后文章描述了基于XML的Web挖掘的具体过程。     

遥感影像数据挖掘研究进展

遥感影像数据挖掘是一个有着广阔应用前景的研究领域。由于遥感影像数据库的海量特征，遥感影像数据挖掘已成为空间数据挖掘的主流。依据遥感影像数据挖掘的方法和目的，从图像索引和检索、图像分类、图像聚类、空间关联规则挖掘、影像变化检测以及高光谱数据挖掘六个方面对遥感影像数据挖掘的国内外研究现状进行了综述。并指出了遥感影像数据挖掘和知识发现中应该着力解决和注意的几个问题。     

沿江港口码头管理系统中的空间知识挖掘

利用空间数据挖掘技术挖掘信息系统中隐藏的知识与信息，以提高决策的科学性是当前研究的热点之一。阐述了空间数据挖掘的概念和基本特点以及空间数据挖掘与GIS的关系，介绍了空间数据挖掘的基本方法和步骤。结合江苏省沿江开发的实例，在对江苏沿江港口码头数据分析和调查的基础上，以辅助决策为目的，利用空间数据挖掘语言GMQL实现了江苏省沿江港口码头管理系统中的空间数据挖掘，并简单介绍了空间数据挖掘在沿江港口管理中的应用。     

VisualDM：一个灵活的可视化数据挖掘系统

如果要建造一个健壮的数据挖掘系统，仅仅依靠挖掘算法是不够的。目前的挖掘算法还没有完全“智能”化，所以挖掘有用的信息常常不是很有效。不过可视化技术给了我们很大的帮助，我们将挖掘算法和可视化技术结合起来，从而实现了数据挖掘系统VisualDM。     

Web挖掘技术综述

随着Internet的迅速发展与广泛应用，Web成为一个巨大的、蕴涵着具有潜在价值知识的分布式信息空间，为数据挖掘研究提供了丰富的数据源，同时也提出了新的挑战。该文首先概述了数据挖掘的概念、挖掘算法及其主要应用领域，然后详细阐述了Web内容挖掘、Web结构挖掘和Web日志挖掘的概念和主要的挖掘算法及最新研究进展，最后介绍了Web挖掘的研究方向和发展趋势。     

一个基于OLAM的可视化数据挖掘系统原型

基于OLAM的可视化数据挖掘系统将可视化工具和数据挖掘工具融为一体，它与一般的数据挖掘系统不同，充分利用了OLAM模型沿着多个维进行挖掘，并以智能的方式与用户进行交互，可以在多维数据库的不同部位和不同的抽象级别交互地执行挖掘，以图形的方式输出结果。     

基于Web的数据挖掘技术的研究

基于Web的数据挖掘是一个结合了数据挖掘和WWW的热门研究主题。本文介绍了Web上数据信息的特点入手．研究面向Web的数据挖掘需解决的主要问题，提出了一种基于Web数据挖掘的应用模式框架，并着重从功能的角度介绍了Web数据挖掘的演进过程。     

Web数据挖掘分析

国际互联网的广泛应用使得数据挖掘技术在Web数据挖掘得到了最大的发展，文章就Web数据挖掘技术的存储数据源、分类、实现技术作了详细的阐述，并介绍了一些实用的Web挖掘工具，对Web数据挖掘进行了探讨和分析，并指出了国内外的发展趋势和待解决的问题。     

基于Web的数据挖掘算法与数据仓库的接口设计

提出了一种基于Web的数据挖掘系统中数据挖掘算法与数据仓库的接口设计方案，解决了算法与数据仓库的接口问题，实现用户通过Web浏览器动态调用算法，算法在Web环境下对数据仓库数据进行挖掘，发现有用的知识。该接口方案的通用性增强了数据挖掘系统的扩展性，有利于系统快速添加更多的新算法，以满足各种挖掘需求。     

基于数据立方体的数据挖掘系统

介绍了一个通用的数据挖掘系统-基于数据立方体的数据挖掘系统的设计与实现过程。该系统基于C/S构架，引入了挖掘模型的概念，集成了两种算法，图形化显示挖掘结果。文中详细介绍了系统的这些特点。     

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。     

一个数据挖掘工具的设计与实现

介绍了一个数据挖掘工具的设计,以Apriori算法为核心,实现了数据挖掘中基于数据库的几种常用挖掘方法,包括基于关系数据库的数据挖掘,不完整数据库中的数据挖掘和根据兴趣度测量来挖掘感兴趣知识的异常关联规则挖掘.