数据库中知识发现的处理过程模型的研究

1 前言数据库中的知识发现KDD(Knowledge Discov-ery in Database)是近年来随着数据库和人工智能技术的发展而出现的,它是从大量数据中提取出可信的、新颖的、有效的并能被人理解的模式的高级处理过程。它主要采用机器学习算法或统计方法进行知识学习,一般将KDD中进行知识学习的阶段称为数据挖掘(Data Mining)。数据挖掘是KDD中的一个非常重要的处理步骤。人们往往不加区分地使用两者。一般来说,在工程应用领域多称数据挖掘,而在研究领域人们则多称为数据库中的知识发现。人们进行的关于KDD的研究是为了将知识发现的研究成果应用于实际数据处理中,为科学的决策提供支持。正是因为这样,目前所进行的关于     

数据挖掘中关联规则的研究与应用

数据挖掘被称为数据库中的知识发现,是一个跨学科的研究领域。关联规则分析是数据挖掘中一个重要的课题,用于发现存在于数据库中的项或属性间的关联联系,这些联系是事先未知且隐藏的。关联规则的研究主要集中在生成频繁项集的挖掘算法,通过对几种主要关联规则的算法分析,利用Apriori算法研究再生资源系统中关联规则的确定,从而实现物资的二次销售。     

数据挖掘与机器学习——经典图书介绍

对于“数据挖掘”,有多种文字不同但含义接近的定义,简单来说,可以归纳为“试图从海量数据中找出有用的知识”。在学术界,有时也将“数据挖掘（DM）”称为“数据库中的知识发现（KDD）”。而“机器学习”是人工智能的核心研究领域之一,目前被广泛采用的机器学习的定义是“利用经验来改善计算机系统自身的性能”。     

时序数据挖掘方法研究

数据库知识发现的基本思想就是从数据中抽取有价值的信息，其目的是帮助决策者寻找数据间潜在的关联，发现被忽略的要素，而这些信息对预测趋势和决策行为也许是十分有帮助的。时序数据挖掘是数据库知识发现研究中的重要分支之一。趋势分析与相似搜索是时序数据挖掘的主要技术与方法。通过趋势分析，可以制定出比较合理的长期或短期预测，从而为科学决策提供有效的依据；而在相似搜索中，采用了模糊匹配技术，符合人脑思维特性，因而更合理有效。     

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。     

基于Rough集理论的属性简约研究

为了从海量的数据获得知识，数据挖掘被广泛地应用于知识发现。粗糙集理论是一种研究不确定性知识的工具，该文从Rough集理论的基本概念出发，对基于Rough集的信息系统决策表的属性简约问题进行了研究，挖掘出隐藏于信息表中的统计信息。该文对Rough集属性重要性在属性简约中的应用进行了研究，研究发现熵作为一种衡量信息量的重要工具，将其引入属性重要性的定义，考虑该属性对于论域中不确定分类子集的影响，使属性重要性这一概念更加完善。文章将这一概念应用于水声信号的目标识别，给出仿真结果，提出了以后的研究方向。     

数据挖掘技术在税务稽查选案中的应用

数据挖掘，也可以称为数据库中的知识发现（Knowledge Discovery in Database，KDD）。决策树是数据挖掘的一个重要的技术。本文尝试把数据挖掘的方法和技术，通过实现SLIQ算法把该技术应用到税务稽查的计算机选案的途径。     

浅析数据挖掘的主要方法和研究方向

随着大型数据库的不断涌现,如何从浩如烟海的数据中发现隐藏的有用知识,成为一个迫切需要研究的课题.因此,知识发现和数据挖掘应运而生.该文提出了数据挖掘的基本概念,数据挖掘是数据库技术、人工智能、机器学习、统计分析、模糊逻辑、模式识别和人工神经网络等多个学科相结合的产物,然后分析了数据挖掘一般算法的结构,并且对数据挖掘技术进行了详细分类,主要包括决策树技术、神经网络技术、粗集以及模糊集等十多项挖掘技术.最后讨论了数据挖掘在人工智能、电子商务应用和移动通信计算等方面的研究方向.     

过程监控中数据挖掘与知识发现理论及应用

过程监控中数据挖掘和知识发现是近几年发展起来的新技术，目前仍处于起步阶段，显示了极大的应用前景。本文简要叙述了一般数据挖掘和知识发现的发展、现状及一般过程；从数据挖掘和知识发现方法、应用和理论技术三个方面概括了工业过程监控中的数据挖掘和知识发现；结合工业过程数据特点指出了过程监控数据挖掘和知识发现面临的挑战及今后的研究趋势。     

数据挖掘技术在税务稽查选案中的应用

数据挖掘,也可以称为数据库中的知识发现(Knowledge Discovery in Database,KDD).决策树是数据挖掘的一个重要的技术.本文尝试把数据挖掘的方法和技术,通过实现SLIQ算法把该技术应用到税务稽查的计算机选案的途径.     

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     

基于数据挖掘的智能引擎研究

随着互联网的迅速发展．网络上的信息量呈现出迅猛增长趋势,为了查询所需知识,搜索引擎已成为知识搜索和知识发现的必备工具。该工具是综合了数据库技术、数据挖掘技术、人工智能知识等多种技术,利用数据检索策略进行知识发现的过程。但目前搜索引擎还存在一些缺陷,尤其是针对个性化的查询请求往往不能达到满意效果。所以将数据挖掘技术应用到搜索引擎领域,从而产生智能搜索引擎,将会给用户提供一个高效、准确的Web检索工具。 本文针对目前搜索引擎在检索准确率和全面性方面存在的不足,设计并实现了一种智能化搜索引擎模型,同时提出了一种改进的聚类算法和关联分析方法,并在此基础上实现了一个基于数据挖掘的搜索模型。     

工程装备发展专家系统中数据挖掘和知识发现应用浅析

数据挖掘和知识发现技术是当前数据库和信息决策领域最前沿研究的方向之一.在各个领域中的研究和应用越来越多,本文主要介绍了工程装备发展专家系统中应用数据挖掘和知识发现的几个方法,最后应用该技术对工程装备发展专家系统中的相关数据简单地进行分析.     

一种实用的软件数据挖掘模型

文中提出了一种将数据挖掘应用于软件工程学中的模型,数据挖掘是一个涉及多领域的交叉学科,它拥有许多成熟的技术。其中,基于“部分重复性”理论的挖掘方法便是数据挖掘的重要技术之一。在对复杂数据的处理过程中,“部分重复性”理论通过建立“中心函数”、“浮动域”和“正确度”指标,提供了一种分类优劣的评价标准。与传统方法相比较,这种方法更加直观、更加高效、更加易于实现,而且能够发现有价值的知识模式。     

浅议数据挖掘技术在计算机审计中的应用

在信息化大环境下,随着金审工程的推动,数据挖掘技术在审计领域的应用越来越广泛。它能辅助审计人员从审计数据中发现隐藏的、有用的知识信息,形成明确有效的审计思路,得出正确的审计结论。该文简要介绍了数据挖掘技术,讨论了数据挖掘技术在计算机审计中的应用,并给出了数据挖掘技术在计算机审计中的具体应用步骤。     

数据挖掘理论在无线电监测中的应用

无线电通信中存在大量异常信号，搜索和发现这些信号在无线电监测中具有重要的意义，然而这些异常信号隐藏在“海量”的采集数据中，并伴有大量噪声，难以有效发现。文中分析了数据挖掘理论，应用了一种适用于无线电通信信号监测的数据挖掘技术，有效地剔除噪声，监测异常信号。实验证明这种方法是有效的。     

数据挖掘在供应商评估体系中的应用

数据挖掘是在海量原始数据中发现人们感兴趣的模式的过程，涉及了众多计算机技术。运用数据挖掘技术从工厂企业建立的数据仓库中发现隐藏的知识，对供应商选择和评估。首先要确定评估的指标及其权重。然后是结合制造业流程，利用数据挖掘方法将流程中的数据转化为供应商评估因子，并发现隐含的有用模式，做出预测和潜在供应商的发现，使供应商的选择更加科学合理高效。     

用免疫神经网络做数据挖掘

1 引言随着社会信息量的增大,在各种应用领域里的数据库中存储了大量的数据,这使得人们对这些数据进行分析并转化为有用知识的需求变得越来越迫切。于是知识发现与数据挖掘(Knowledge Discovery and Data Mining,KDD)自然成为近年来人们从大型数据库中获取信息的一个重要的研究领域。一般地,数据挖掘就是指从数据库或数据仓库中发现隐藏的、预先未知的、有趣的信息的过程,该过程可以看作是知识发现过程中的一个核心的步骤。目前,能够用于解决机器学习问题的方法主要有三种类型,即:模糊规则的学习方法、神经网络学习方法和遗传进化的学习方法。纵观数据挖掘中的规则提取方法,决策树规则提取方法不能实现多变量搜索,因为它在建树时每一个节点只含有一个特征,故属于一     

目标市场营销决策系统的研究与设计

文章利用定性与定量相结合的方法，给出了目标市场营销决策系统的设计思想和决策过程。并利用数据挖掘工具，发现隐藏在庞杂信息源中的知识和规律，为目标市场的分析与选择提供有价值的参考信息。在此基础上，建立了自顶向下与自底向上相结合的目标市场营销决策系统。     

数据挖掘技术在“数字黄河”工程建设中的应用

“数字黄河”旨在集成利用信息技术,构建面向黄河流域及其相关区域的自然、经济、社会等的数字集成平台,并在此基础上通过建立业务应用系统及数学模型系统形成模拟分析和研究黄河问题的虚拟环境。数据挖掘技术是从大量数据中发现并提取臆藏在其中的可信的、新颖的、有效的并能被人理解的模式的高级处理过程。通过数据挖掘发现的知识能够反映一定的客观事实,并指导实践。