动态KDD过程中矛盾规则的研究

随着数据量的海量扩张、数据类型的复杂化,矛盾知识的问题越发突出,成为KDD领域中一个亟待解决的问题。通过对知识发现内在机理的研究,探讨在动态的知识发现过程中,矛盾知识的产生原因以及矛盾区间的求解方法,对解决当前主流发展中所面临的若干难题将具有一定的理论和实际意义。     

动态数据挖掘研究

提出了一种新的数据挖掘形式--动态数据挖掘(DDM),寻求在不断更替产生的动态数据信息中找出能被应用的知识.给出动态数据挖掘的体系结构,并分析了动态数据挖掘实现过程,运用滑动窗口与动态数据窗口动态采集与处理动态新增数据,同时运用后续数据进行挖掘结果评价,用K标号法平滑地使用动态目标数据集进行数据挖掘,得出了一个动态数据挖掘测试算法.     

动态知识系统的规则约简方法

1 引言知识系统中的规则约简是知识发现、数据挖掘的重要内容。近年来粗集(Rough sets)理论在知识约简的应用已成为计算机科学的热点问题。对静态数据的规则约简已有多种算法。但知识系统往往是动态的。本文给出了一种针对动态知识系统的基于粗集理论的规则约简方法。对知识系统而言,动态一般指记录或论域的元素不断增加。因此,有关处理动态系统的一些方法又称为增量式算法。文章给出了所提出方法的有效性的结论以及实验的结果。     

数据挖掘在零售业中应用研究

本文介绍了一种基于SQL Server的零售业数据挖掘解决方案,运用数据挖掘中的关联规则,挖掘零售业数据库中顾客购买不同货物的关联性,避免了脱离市场、脱离需求,盲目摆放货物所造成的损失,节省了资金,提高了效益.系统做出的预测和形成的关联规则结果基本上符合零售业销售的规律,发现的知识对零售业的管理有一定的指导意义.     

数据挖掘中关联规则算法的研究

本文主要介绍了数据挖掘中的关联规则,关联规则中的经典算法Apriori算法．以及Apfiofi算法的改进研究。     

数据挖掘关联规则的研究

关联规则作为数据挖掘的一个重要研究分支,其主要的研究目的是从大型数据集中发现隐藏的、有趣的、属性间存在的规律。本文就数据挖掘中的关联规则做了简要论述。     

基于动态时序的岗位招聘数据挖掘研究

当前动态数据挖掘的算法大多是静态数据挖掘算法的改进算法,计算过程十分繁琐.为此,提出了一种基于动态时序的用于岗位招聘数据的挖掘技术.充分利用各类时序数据相互依赖的特征,通过隐马尔可夫模型创建由时序数据转换而来的似然空间,再以分层聚类的方式对时序数据的动态特征进行分类.实际应用结果表明,所提出的算法适用于网络环节下岗位招...     

数据挖掘中关联规则的有趣性研究

关联规则挖掘是数据挖掘研究中的一个重要方面，而其中一个重要问题是对挖掘出的规则的兴趣度的评估，过去的研究发现，在实际应用中往往很容易从数据源中挖掘出大量的规则，但这些规则中的大部分对用户来说是不感兴趣的，本文对规则的兴趣度度量的两个方面作了讨论：一个是主观兴趣度度量，另一个是客观兴趣度度量，最后介绍了如何利用模板进行挖掘有趣的规则。     

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。     

基于数据挖掘的复杂装备维修辅助决策研究

文章通过某装备维修信息框架分析,维修数据预处理,然后以维修记录为例,挖掘出了维修件之间关联规则,并采用决策树分类方法对维修件进行了分类,这些规则和分类结果可以为维修计划制定、器材采购、视情维修等方面提供决策依据。     

空间数据采掘的研究与发展

数据采掘的研究已从关系型和事务型数据库扩展到空间数据库。空间数据采掘是一个很有发展的领域,它是在大量空间数据中进行知识发现的技术。文中总结了空间数据采掘领域中的研究成果,概括出空间数据采掘的体系结构、查询语言及相关方法,并探讨了目前存在的问题和发展方向。     

计算机动态取证的数据分析技术研究

本文针对计算机动态取证的数据分析阶段面临的问题,提出将数据挖掘技术应用于计算机动态取证的海量数据分析中,给出了基于数据挖掘的计算机动态取证系统模型,提高动态取证中数据分析的速度、分析的准确性和分析的智能性,解决动态取证中的实用性、有效性、可适应性和可扩展性问题。     

图像数据挖掘研究综述

对数据挖掘中的一个新兴领域———图像数据挖掘作出了较为全面的研究。给出了图像数据挖掘的定义,分析了图像数据挖掘与图像处理分析、图像模式识别及图像检索等相关领域的异同点,并就图像数据挖掘对传统数据挖掘的改变和扩展之处作了较为详尽的阐述。从多个角度对图像数据挖掘进行了分类。介绍了关联规则、聚类、分类等技术在图像数据挖掘中的不同用法。最后,简单地介绍了图像数据挖掘的几个应用领域的研究现状。     

可视化数据挖掘技术研究

总结了目前数据挖掘领域中可视化方法的研究状况。结合国外先进的数据挖掘工具,分析了当前可视化数据挖掘技术的应用现状。基于可视化数据挖掘的任务和目标,阐述了可视化数据挖掘技术的发展趋势。     

CIMS中数据挖掘与遗传算法的自组织研究

CIMS中的数据挖掘是一个综合性的研究领域 ,它综合了先进制造技术、数据库技术、计算机网络和人工智能等诸多学科 .本文提出了采用以生物进化论为基础的遗传算法解决 CIMS中数据挖掘问题 .文章从辨证的角度出发 ,探讨了 CIMS中数据挖掘采用遗传算法解决知识发现的可行性以及其优越性     

基于规则的分类数据离群挖掘方法研究

离散数据的挖掘（ｏｕｔｌｉｅｒ ｍｉｎｉｇｎ,简称离群挖掘）是数据挖掘的重要内容,现有的离群数据挖掘算法大多对分类数据（ｃａｔｅｇｏｒｉｃａｌ ｄａｔａ）缺乏有效的处理,提出了基于规则的分类数据离群挖掘方法,采用多层最大离群支持度ｍａｘｓｕｐ,搜索离群规则,有效地解决了这一问题,用这一方法对医学流行病数据进行了各种,分析了该方法的适用范围、性能,验证了方法正确性;另外,实验表明,经过离散化后,基于     

数据仓库与数据挖掘研究进展

随着数据库应用从以事务处理为中心逐渐向以分析处理为中心转化，以数据仓库、联机分析和数据挖掘为中心的基于数据库的分析技术成为近几年来数据库界研究的热点。经过近十年的研究与应用。已经产生了很多的研究成果，建立了较扎实的理论基础，目前正在向与应用领域紧密结合(如流数据)。对现有技术进一步改造方面发展。本文对近两年这几个方向上的研究成果进行了总结。     

数据可视化在数据挖掘中的应用

数据挖掘是从大量历史数据中抽取潜在的、有价值的知识或规则的过程。数据可视化对于快速分析数据，表示高维数据方面非常直观、有效。本文首先讨论了几种可视化技术，随后就数据可视化在数据挖掘的模型、过程中的应用进行探讨。     

在KDD和Data Mining 中我们的部分工作和看法

本文介绍了什么是KDD和Data Mining,目前国 外在Data Mining中研究的一部分重要内容的概况以及几年来我们在KDD和Data Mining中的 部分工作和看法．     

数据挖掘在信用卡一级代理中的应用研究

信用卡作为一种特殊的金融商品,在中国市场中出现的历史并不长。本文主要讨论如何在信用卡一级代理过程中运用数据挖掘算法和技术对潜在客户进行分类,以便能在开展业务的过程中有所针对性。