数据挖掘技术在水厂生产分析中的应用

本文在研究数据挖掘方法的基础上,探讨了基于时间序列数据挖掘技术和算法,并探索其在水厂生产分析及控制领域中的应用。在分析水厂工艺生产特点及生产数据的特征后,应用关联规则挖掘技术对离散化后的水厂生产数据进行数据挖掘。     

序列模式数据挖掘算法的并行化研究

序列模式在许多领域都有着重要的应用,大量的数据和模式需要高效的、可扩展的并行算法.针对目前序列模式挖掘算法存在的普遍问题,在对串行序列模式数据挖掘算法研究的基础上,本文提出了一种并行的序列模式数据挖掘算法.通过理论分析与实验验证可知:该并行数据挖掘算法,在海量数据的情形下,能很好地提高数据挖掘的效率.     

基于模式增长的高效用序列模式挖掘算法

高效用序列模式挖掘是数据挖掘领域的一项重要内容,在生物信息学、消费行为分析等方面具有重要的应用.与传统基于频繁项模式挖掘方法不同,高效用序列模式挖掘不仅考虑项集的内外效用,更突出项集的时间序列含义,计算复杂度较高.尽管已经有一定数量的算法被提出应用于解决该类问题,挖掘算法的时空效率依然成为该领域的主要研究热点问题.鉴于...     

我国水文数据挖掘技术研究的回顾与展望

水文科学研究的领域面临来自许多方面的不确定性和非确知问题。引入数据挖掘的理论与技术,结合水文科学发展的需要,充分应用以计算机技术为基础的现代信息技术,研究水文数据挖掘的理论、技术和方法,为解决水文科学研究面临的问题提供了新的思路。当前,水文数据挖掘研究还处于起步阶段,研究内容多集中在水文数据的单项和局部数据的模拟与处理方面,对基于水文数据库的全局性多因素数据挖掘涉及很少,在数据挖掘技术与水文数据适应性方面所进行的研究也还很不够。为了充分发挥数据挖掘发现知识的作用,需要在水文主题数据库和多维数据立方、水文序列的分类、聚类和关联规则挖掘技术及优化算法以及水文序列的相似性、周期性和其它序列模式挖掘方面开展进一步研究,并向形成水文数据挖掘软件及数据平台方向发展。     

数据挖掘在生物信息学中的应用

生物信息学是一门新兴的交叉学科.人类基因组计划的启动和实施使得核酸、蛋白质数据迅速增长,如何从海量数据中获取有效信息成为生物信息学迫切要解决的问题.数据挖掘与生物信息学有很好的结合点,在生物信息学领域的应用潜力日益受到人们的重视.文中介绍了数据挖掘的概念、生物数据的挖掘步骤,初步探讨了数据挖掘在生物信息领域的应用潜力及生物信息学挖掘工具的开发和应用.研究证明数据挖掘技术是生物信息处理的强有力工具.数据挖掘在生物信息学中的应用将取得更大的进展.     

基于打分矩阵的生物序列频繁模式挖掘*

从生物序列中发现有意义的频繁模式已经成为生物信息领域研究的重要任务.文中提出基于打分矩阵的生物序列频繁模式挖掘算法.首先构造近似匹配得分矩阵,用于处理带通配符间隔约束的模式匹配问题中插入、替换、删除操作.然后设计基于打分矩阵的近似模匹配方法获取模式在序列中的近似出现次数.最后采用数据驱动模式生成方法和Apriori-like剪枝策略避免产生过多不必要的候选模式.在蛋白质和DNA序列上的实验表明文中算法性能更优,可用于挖掘不同序列的共同频繁模式.     

DMVisualMiner:一个可视化数据挖掘分析平台

DMVisualMiner是将可视化技术应用于数据挖掘领域而开发的一个数据分析平台.可视化数据挖掘主要应用在4个方面数据准备阶段的可视化、模型生成阶段的可视化、结果呈现阶段的可视化、数据挖掘流程的可视化.实现了对数据挖掘各个方面的可视化,同时DMVisualMiner采用构件的设计方法,利用插件的概念增强了系统的可扩展性,设计并实现了基于XML的模型表示方法,使得DMVisualMiner能够和预言模型系统集成,并能在网络环境下发布.     

序列分析技术在DNA序列挖掘中的应用

数据挖掘技术在生物科学领域的应用越来越广泛,本文介绍了序列分析技术在DNA序列分析上的应用,对 相应的算法做了综述研究,讨论了这些算法的优缺点。最后对DNA序列分析的前景作了展望。     

国防科大计算机学院工学博士学位论文摘要

序列数据挖掘的模型与算法研究作者 :周斌 (1 999.1 0 )导师 :吴泉源教授　　由于数据爆炸问题的普遍性和紧迫性 ,数据挖掘技术成为近年来数据库、人工智能及决策支持领域的研究热点。序列数据作为一种常见的数据形式存在于很多应用领域。随着电子商务网上营销的发展 ,序列数据挖掘技术将面临新的应用契机。在这种背景和前提下研究序列模式数据挖掘技术 ,有重要的理论和实际意义。本课题的研究目标是 :通过对序列模式挖掘的数据模型、增量式挖掘及概率解释的研究 ,解决序列模式数据挖掘技术应用于新的商务环境的主要技术问题。在已有研究工…     

数据挖掘技术在DNA序列分割中的应用

DNA序列分割作为DNA序列分析中的一部分正受到越来越多人的关注,引入数据挖掘技术是提高DNA序列分割有效性的一个重要途径。全面综述了目前数据挖掘技术在DNA序列分割中的应用,最后指出了尚待解决的问题。     

Similarity/dissimilarity calculation methods of DNA sequences: A survey

DNA sequence similarity/dissimilarity analysis is a fundamental task in computational biology, which is used to analyze the similarity of different DNA sequences for learning their evolutionary relationships. In past decades, a large number of similarity analysis methods for DNA sequence have been proposed due to the ever-growing demands. In order to learn the advances of DNA sequence similarity analysis, we make a survey and try to promote the development of this field. In this paper, we first introduce the related knowledge of DNA similarities analysis, including the data sets, similarities distance and output data. Then, we review recent algorithmic developments for DNA similarity analysis to represent a survey of the art in this field. At last, we summarize the corresponding tendencies and challenges in this research field. This survey concludes that although various DNA similarity analysis methods have been proposed, there still exist several further improvements or potential research directions in this field.     

Pattern recognition techniques for the emerging field of bioinformatics: A review

The emerging field of bioinformatics has recently created much interest in the computer science and engineering communities. With the wealth of sequence data in many public online databases and the huge amount of data generated from the Human Genome Project, computer analysis has become indispensable. This calls for novel algorithms and opens up new areas of applications for many pattern recognition techniques. In this article, we review two major avenues of research in bioinformatics, namely DNA sequence analysis and DNA microarray data analysis. In DNA sequence analysis, we focus on the topics of sequence comparison and gene recognition. For DNA microarray data analysis, we discuss key issues such as image analysis for gene expression data extraction, data pre-processing, clustering analysis for pattern discovery and gene expression time series data analysis. We describe current methods and show how computational techniques could be useful in these areas. It is our hope that this review article could demonstrate how the pattern recognition community could have an impact on the fascinating and challenging area of genomic research.     

在网络使用挖掘中的应用条件序列模式分析

网络使用挖掘是通过分析记录在Web服务器上的用户使用数据，来自动发现用户访问信息网的方式。其挖掘结果可以用于改善网站设计、商业决策支持、个性化服务等方面。序列模式分析是数据挖掘使用的模式分析的一种方式。本文主要介绍了一种适应复杂条件限制的序列模式分析在网络使用挖掘中的应用及其一般步骤。     

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。     

基于模糊聚类的Web日志挖掘的应用研究

在Web数据挖掘研究领域中，Web日志挖掘是Web数据研究领域中一个最重要的应用方面。本文对Web日志挖掘作了系统的研究。包括对服务器上日志结构的分析和对数据预处理过程的描述。文中着重讨论了用户模糊聚类的算法，并用实例证明了模糊聚类在web用户聚类应用中的可行性。在此基础上还提出了一个Web站点的个性化服务模型，通过对Web服务器中日志的挖掘，发现具有相似访问兴趣的用户群，进而为用户作个性化的推荐。     

基于模糊聚类的Web日志挖掘的应用研究

在Web数据挖掘研究领域中,Web日志挖掘是Web数据研究领域中一个最重要的应用方面。本文对Web日志挖掘作了系统的研究,包括对服务器上日志结构的分析和对数据预处理过程的描述。文中着重讨论了用户模糊聚类的算法,并用实例证明了模糊聚类在Web用户聚类应用中的可行性。在此基础上还提出了一个Web站点的个性化服务模型,通过对Web服务器中日志的挖掘,发现具有相似访问兴趣的用户群,进而为用户作个性化的推荐。     

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。     

时空轨迹序列模式挖掘方法综述

在全球定位、移动通信技术迅速发展的背景下涌现出了海量的时空轨迹数据,这些数据是对移动对象在时空环境下的移动模式和行为特征的真实写照,蕴含了丰富的信息,这些信息对于城市规划、交通管理、服务推荐、位置预测等领域具有重要的应用价值,而时空轨迹数据在这些领域的应用通常需要通过对时空轨迹数据进行序列模式挖掘才能得以实现。时空轨迹序列模式挖掘旨在从时空轨迹数据集中找出频繁出现的序列模式,例如： 位置模式（频繁轨迹、热点区域）、活动周期模式、语义行为模式,从而挖掘时空数据中隐藏的信息。总结近年来时空轨迹序列模式挖掘的研究进展,先介绍时空轨迹序列的数据特点及应用,再描述时空轨迹模式的挖掘过程：从基于时空轨迹序列来挖掘位置模式、周期模式、语义模式这三个方面来介绍该领域的研究情况,最后阐述现有时空轨迹序列模式挖掘方法存在的问题,并展望时空轨迹序列模式挖掘方法未来的发展趋势。     

数据挖掘技术在异常检测中的应用

入侵检测技术已经成为网络安全领域的研究热点。本文介绍了入侵检测中的数据挖掘技术及其应用,并阐述了基于系统调用和数据挖掘算法的异常入侵检测系统的设计与实现。     

数据挖掘在电信客户关系管理的应用

本文介绍了数据挖掘的相关概念与知识,提出了数据挖掘在当今从海量数据中提取相关信息,和知识发现的过程,与此同时介绍了数据挖掘在帮助企业进行数据分析,推理,预测的应用,例如:关联分析、时序模式、偏差分析、分类、聚类、预测等。与此同时,着重提出了数据挖掘在电信行业营销的应用,介绍了国内外应用现状,并以国内某电信运营商的数据仓库项目为例,例证了数据挖掘在客户分群和流失预测的成功应用,在此基础上,展望了未来的可发展方向。