数据挖掘研究

数据挖掘是指借助数据挖掘算法从大量的数据中搜寻有价值的信息,包括问题定义、数据获取、数据预处理、建立模型、模型评价和模型应用等步骤。常用的数据挖掘方法有关联规则法、决策树法、模糊集法、粗糙集法、神经网络法和遗传算法。同时,数据挖掘过程中的道德和法律问题也值得关注。     

GIS系统数据挖掘功能的扩展

该文分析了GIS系统中数据挖掘的特点与要求,总结和比较了空间数据挖掘技术的研究和不同开发方式,提出了一种在GIS系统中扩展空间数据挖掘功能的方法。     

基于数据挖掘的金融数据分析

当今,已是企业战略及其市场地位与信息技术息息相关的时代,很难想象一个现代企业没有完善的信息技术系统的支持,将会如何运转。但是,随着信息技术的发展,企业产生的数据大量地堆积和膨胀,其中很多十分有价值的信息隐藏在其中却不被人们所发现。如何对这些海量的数据进行管理,并从中提取潜在的有价值的信息,成为企业在激烈的市场中占据优势地位的关键点。因此数据挖掘技术应运而生,并且在各个行业领域中应用,取得了广泛和重大的进展。本文即对数据挖掘在金融业的应用情况进行了探讨。     

大数据挖掘分析

同"互联网"、"云计算机技术"相比,大数据的发展更为迅速,它被用于社会的各个方面,例如交通、企业管理、安全监测以及我们的生活。相关人员声明,全球的数据量将在2020年达到35ZB,因而,大数据的涵义以及数据挖掘带给社会经济的挑战成为了人们关注的要点。     

企业数据挖掘中源数据组织方法的研究

文章结合企业数据库中数据挖掘的实际问题，提出了一种在数据仓库基本思想基础上针对关系数据库平台条件进行数据挖掘的源数据组织方法。利用这种方法组织挖掘源数据，就能够在未建立整个企业数据仓库的情况下进行数据挖掘，从而生成决策和对企业的经营管理起到真正的推动作用。     

大数据挖掘的系统分析

互联网在人们的生活和工作中扮演着重要的角色,互联网将这个世界连接成了一个整体,在互联网中充斥着海量的信息和数据,面对这些数据和信息,如何筛选需要的信息是计算机应用个人或企业思考面临的问题。海量数据信息的处理和整合具有较大的难度,数据挖掘技术可以从海量信息中提取需要的信息,应用于政府、银行、金融、教育等多个领域,因此,分析和探讨大数据挖掘技术具有十分现实的意义。基于此,笔者分析了常见的数据挖掘技术类型,并对数据挖掘技术应用领域及未来发展趋势进行了探讨,旨在为数据挖掘技术的广泛应用提供科学的依据。     

高可伸缩性海量数据挖掘技术

挖掘海量数据从中发现有用的信息与知识是人们面临的重大挑战，而目前大多数挖掘算法对于海量数据的可伸缩性较差。针对频繁模式与关联规则挖掘问题，提出了数据集削减法，设计了相应的缓冲管理模型，将宽度与深度挖掘相结合，用于扩展Apriori和OpportumeProject两个算法。实验表明，扩展后的算法不仅可伸缩性大大提高，而且时间效率的提高也非常显著。     

大数据的安全现状与应对策略研究

大数据蕴藏着有价值的信息,但数据安全面临严峻挑战。在分析大数据基本特征的基础上,提出了当前大数据面临的安全挑战,并从监测机制、防范检测、响应水平和处理能力4个方面阐述了大数据安全的应对策略。     

理性面对大数据挖掘

在如今的IT业界,最火热的3个字莫过于“大数据”。与曾经火热过的“云计算”不同,“大数据”似乎更加深入人心,更能迎合人们对改变现状的迫切需求。     

大数据挖掘带动的变迁

自大数据进人了人们的视线之后,它便逐渐成为人们普遍关注的焦点。大数据讲的是PB时代的科学,本质上大数据的挑战是PB时代的对科学的挑战,更是对包括数据挖掘在内的认知科学的挑战。     

大数据与数据挖掘

大数据指需要通过快速获取、处理、分析以从中提取价值的海量、多样化的交易数据、交互数据与传感数据.所涉及的数据量规模巨大到无法通过人工在合理时间内完成信息的采集、处理、管理,并将其整理成为人类所能解读的信息.通过对大数据的认识和大数据带来的机遇,因此数据挖掘对大数据的管理来说至关重要.通过数据挖掘,从大数据中找到关键信息,从而为我们带来商机和社会价值.     

大数据时代的企业信息安全保障

大数据蕴藏着巨大的价值信息,但同时其数据安全也面临严峻挑战。本文在分析大数据基本特征的基础上,提出了当前大数据面临的安全挑战,并从大数据的存储、应用和管理等方面阐述了大数据安全的应对策略。     

互联网+环境下基于数据挖掘的个性化PDM系统的应用研究

从互联网+时代对企业产品数据管理需求不断升级的现状出发,针对数据挖掘中经典的关联规则算法-Apriori算法中存在的不足并考虑到不同企业PDM系统中存在的企业文化、操作习惯不同等个性化需求问题,参考相关文献改进算法,并通过模拟系统来实验验证,该PDM系统的稳定性及效率较之前有很大的提升。     

大数据挖掘与云服务模式

随着物联网、移动通信技术高速发展,这些技术被广泛地应用到社会的各行各业.社会拥有的数据巨大,人类已经进入大数据时代,但是如何在海量数据中获取有效信息是社会关注的重点问题.因此,本文主要阐述大数据和云服务的基本概念以及大数据挖掘与云服务模式框架这两个方面进行阐述,为数据挖掘提供有效的参考意见.     

大数据挖掘与数据处理方法探析

该文将基于大数据挖掘技术的基本,分析大数据与大数据挖掘之间的相互联系,对当今主流数据挖掘算法进行分类说明,最后以大数据时代中主流数据形态——非结构数据为例,阐述大数据挖掘的数据处理方法,以期能够为业内人士提供理论参考.     

浅析数据挖掘技术

随着信息技术的发展,积累了越来越多的数据。数据挖掘技术为人类处理这些海量数据提供了有力武器。首先介绍了数据挖掘技术的概念,然后对数据挖掘系统的构成和数据挖掘的流程进行了分析,最后详细分析了数据挖掘的常用方法。     

数据挖掘领域的两大猜想

本文针对目前数据挖掘所面临的机遇和挑战，提出了数据挖掘“逆问题猜想”和数据挖掘“磁铁效应猜想”。这两个猜想构成相互关联的统一的有机体，本质上是围绕解决“海量”这一难题。本文讨论了猜想研究的基础，实现的可行性以及可能的研究内容。     

药品大数据的数据挖掘研究

药品监督管理部门的每年质量抽查检验工作会产生大量的检验数据,对大数据进行数据挖掘、预测分析以发现潜在安全问题已经是科学监管的趋势和必要手段。基于此,笔者运用关联规则的数据挖掘技术,研究药品检验数据间隐含的规律,揭示某类药品类别中存在的安全隐患。这一挖掘手段能更有效地从检验数据中发现可以利用的信息,比简单机械化的表格筛选、二维数据统计更加科学可靠。研究结果表明,关联模型得出的规则具有一定的现实意义,可为监管提供技术支撑。     

数据挖掘技术研究综述

随着信息技术的发展,积累了越来越多的数据。数据挖掘技术通过从数据库中发现知识,为人类处理这些海量数据提供了有力武器。首先介绍了数据挖掘技术的概念,然后对数据挖掘系统的构成和数据挖掘的流程进行了分析,最后详细分析了数据挖掘的常用方法。