浅谈数据挖掘技术在各行业中的应用

数据挖掘是一种新型的数据分析技术,随着信息化时代的不断发展,数据挖掘技术在各行各业中的应用也随之越来越广泛,数据挖掘是利用各种技术从海量的信息中发现知识,好让各企业或者领域从所获取的知识中,预测发展趋势,好维护客户关系的管理以及风险识别和管理等,可见数据挖掘技术具有广阔的应用和发展前景,所以我们有必要对数据挖掘这种新型数据分析技术进行研究,本文就是从数据挖掘技术在各行业中的应用,以及对未来数据挖掘技术的展望,以便我们能够更清楚的了解数据挖掘这一新型数据分析技术的重要性.     

基于LVQ神经网络的连续属性离散化方法

随着知识发现和数据挖掘的迅速发展,出现了很多的数据挖掘方法,这些方法很多都依赖于离散的数据,连续属性的离散化是数据分析预处理中的一项重要内容,在数据挖掘、机器学习等领域中具有重要作用。然而,在现实世界数据库中,存在着大量的连续值属性。因此,常常需要对连续值属性进行离散化本文利用LVQ神经网络能够找到连续属性断点的功能,提出了一种基于LVQ神经网络的离散化方法,从而实现了对连续属性的离散化。算法分析和实验证明,本算法是切实可行的。     

基于策略模式的中医数据挖掘平台的设计与研究

随着数据挖掘技术的发展和中医信息化的逐渐深入,很多数据挖掘方法被应用到中医研究领域.本文针对面向对象软件设计模式中的策略模式在数据挖掘科研软件平台设计开发上的应用进行了研究,并提出平台设计概要.在此基础之上,提出一种中医数据挖掘研究的思想方法:将中医问题(数据)封装、将数据挖掘方法(算法)封装,实现统一的接口,从而实现在某一类中医问题中尝试不同的数据挖掘方法、将某一种数据挖掘方法应用于不同的中医问题.基于上述思想方法,实现了中医数据挖掘平台,用于中医相关领域的数据挖掘研究.     

DNA序列数据挖掘技术

DNA序列数据是一类重要的生物数据.研究DNA序列数据解读其含义是后基因组时代的主要研究任务.数据挖掘是目前最有效的数据分析手段之一,用于发现大量数据所隐含的各种规律,也是生物信息学采用的主要数据分析技术.将数据挖掘技术用于DNA序列数据分析,已得到了广泛关注和快速发展,并取得了许多研究成果.综述了DNA序列数据挖掘领域的研究状况和进展,提出了3个研究阶段:基于统计的挖掘方法应用阶段、一般化挖掘方法应用阶段和专门的DNA序列数据挖掘方法设计阶段.阐述了DNA序列数据挖掘的基础是序列相似性,评述了DNA序列数据挖掘领域所采用的关键技术,包括DNA序列模式、关联、聚类、分类和异常挖掘等,分析讨论了其相应的生物应用背景和意义.最后给出DNA序列数据挖掘进一步研究的热点问题,包括DNA序列数据新的存储和索引机制的设计、根据生物领域知识的数据挖掘新模型和算法的设计等.     

数据驱动型决策在零售业的重要性以及相关数据挖掘问题

本文内容包括零售业中的多个常见问题,如响应建模、推荐系统、需求预测、价格差异、促销活动规划、类目管理、财务影响等。零售是数据科学和数据挖掘重要的商业应用领域之一。零售领域有着丰富的数据和大量的优化问题,如优化价格、折扣、推荐、以及库存水平等可以用数据分析优化的问题。在这篇文章中我们试图采用更加严谨的方法和系统化的视角来探讨基于数据分析的经济学模型和目标函数如何使得决策更加自动化。     

基于Apriori算法的高校招生的关联规则分析

数据挖掘是适应信息社会从海量的数据库中提取信息的需要而产生的新学科。它是统计学、机器学习、数据库、模式识别、人工智能等学科的交叉。以往的数据挖掘技术的应用大多是在金融领域,而在其他领域里面应用不是很多,如在高校招生中的应用更是如此。数据挖掘技术对招生工作的深层研究与挖掘将会得到各高校的更多重视。以某高校招生数据作为招生信息为依据,对高校招生的关联规则进行分析。从而对关联性规则的应用作进一步的研究。     

基于决策树的数据挖掘算法研究

决策树(Decision Tree)曾在很长的时间里是非常流行的人工智能技术,随着数据挖掘技术的发展,决策树作为一个构建决策系统的强有力的技术在数据挖掘和数据分析过程中起到了非常重要的作用.决策树在数据挖掘中主要用于分类、预测以及数据的预处理等.     

面向领域的大数据分析流程模型转换方法

为了保证多学科领域背景下的数据挖掘分析与知识发现,使大数据分析兼顾领域复杂性、数据分析易用性和执行高效性.提出了领域业务驱动的大数据分析流程建模,指导大数据分析流程模型的构建及实施,将大数据分析流程划分为面向领域和面向平台的双层模型,并通过基于模型驱动的模型映射方法自动完成二者之间的转换.其中面向领域的分析模型从领域业...     

平行坐标及其在聚类分析中的应用

平行坐标对多维数据的表达是数据可视化的重要方法之一。它实现了多维数据在二维平面上的表示。利用平行坐标对数据进行分析处理的技术已经取得了很大的进展,如刷(Brushing)技术、交换坐标轴、抽象等。这些分析技术已经应用到数据挖掘的很多领域,尤其在聚类分析中,平行坐标对数据集的定性分析使聚类结果的合理性得到证明。     

计算机取证分析系统中数据挖掘技术的应用

随着网络信息技术的发展,在计算机取证分析技术领域,传统技术的局限性越来越突出,那么具有创新性和实用性的数据挖掘技术在其中的应用应运而生,将这一技术应用于计算机动态取证的海量数据分析,不急增加了动态取证数据分析的速度,同时提供了分型的智能性和准确性.本文内容涉及到传统计算机取证分析技术存在的缺陷、广义数据挖掘方法、数据挖掘技术方法在计算机动态取证系统中的应用.     

大数据视野下的数据挖掘技术应用分析

大数据技术在当前时代给企事业单位带来的冲击是非常大的,很多企事业单位都在布局大数据,为信息化建设提供了丰富的数据基础,大数据分析成为企事业单位做决策时的一种重要方法。笔者基于大数据分析,探索了大数据技术的核心,即数据挖掘技术,并通过实际应用场景来探索数据挖掘的具体应用方式,希望可以为大数据的应用提供一些参考的意见。     

天然气水合物数据挖掘服务组件的设计与实现

天然气水合物是21世纪一种具有巨大潜在价值的未来能源,在能源危机的今天已经引起各国政府和科研部门的重视。海域天然气水合物勘探调查手段丰富多样,不同的勘查方式涉及的相关地质参数的不确定性比较大,采用的天然气水合物资源分析方法和预测评价方法也都相对较复杂。而数据挖掘技术在数据分析、预测评价等方面优势明显,且在石油勘探及矿山等很多地学领域进行了运用,结果可信度比较高,大大减少了勘测成本。通过对天然气水合物勘查业务和数据进行分析,研究适用于水合物数据挖掘方法,设计并实现了基于IBM SPSS Modeler的天然气水合物数据挖掘服务组件,为天然气水合物勘查领域数据挖掘智能决策产品的研究奠定了良好的基础。同时也能够为海洋地质数据库建设和数据应用打下技术积累,从而为天然气水合物的勘探开发和综合评价提供帮助。     

从大规模图集中抽取频繁子图方法的研究

对大规模数据集频繁模式的挖掘是数据挖掘领域研究的重点问题之一，已经产生了大量的算法。目前这方面的主要工作多是针对销售事务等数据项间独立的数据集，但在很多应用(如化学分子结构分析，WEB日志分析等)中数据项间存在着紧密的联系，因此针对图数据的频繁模式的挖掘成为频繁     

高维序列数据降维方法在证券市场的应用研究

证券市场数据分析与预测,作为一个经典的大数据分析场景,很多数据挖掘方法已经在本领域得到实际应用。但是鉴于企业本身情况的变化以及证券市场的人为操作等情况,现有的各种大数据挖掘方法无法应对不可见或者未出现的情况,为此论文探索使用易经方法,将其应用在证券市场的数据挖掘和分析预测。利用数据挖掘进行特征筛选、数据降维,通过滑动时间窗、随机森林、三才映射等方法实现传统易经体系中的断卦步骤,将易经概念、规则抽象成算法并对卦辞分类,由解卦算法得出预测值。与先前的预测模型相比,该模型融合易经预测体系与机器学习,充分利用了证券市场的场景特征与历史数据,最终对证券市场平稳、上升、下跌三种发展趋势进行预测。使用10年内股票证券交易公共数据集进行实验,准确率优于SVM、XGBoost等流行的机器学习算法,并在分行业建模中进一步提升了效果。     

基于相关集合的数据挖掘理论基础研究

1 引言到目前为止,人们已经发现了很多数据挖掘方法,如Apriori算法、决策树方法、贝叶斯(Bayes)方法、人工神经网络方法,等等;各式各样的数据挖掘理论被提出与采用,如模糊集合、粗糙集(Rough sets)理论、数理统计、机器学习、人工神经网络、决策树、模式识别、高性能计算等;各种各样的数据被挖掘,从传统的关系数据库到各种文本数据、空间数     

基于博弈论的隐私保护分布式数据挖掘

隐私保护的分布式数据挖掘问题是数据挖掘领域的一个研究热点,而基于经济视角,利用博弈论的方法对隐私保护分布式数据挖掘进行研究只是处于初始阶段。基于收益最大化,研究了完全信息静态博弈下分布式数据挖掘中参与者(两方或多方)的策略决策问题,得出了如下结论:数据挖掘在满足一定的条件下,参与者(两方或多方)的准诚信攻击策略是一个帕累托最优的纳什均衡策略;在准诚信攻击的假设下,参与者(多方)的非共谋策略并不是一个纳什均衡策略。同时给出了该博弈的混合战略纳什均衡,它对隐私保护分布式数据挖掘中参与者的决策具有一定的理论和指导意义。     

大数据分析与应用课程体系构建

针对高校大数据方向教学与实践课程体系构建,分析国内外教学现状,提出以大数据分析与应用课程为核心,延伸大数据分析在数据挖掘、人工智能等领域应用的课程体系,兼顾大数据技术实践任务与科研项目驱动教学模式,探讨大数据分析与应用课程体系的构建与实施。     

数据挖掘技术在水文数据分析中的应用

为提高水文预测的精度,降低预测的复杂度,提出了基于数据挖掘的水文数据分析方法,建立了水文数据分析系统。该系统引入数据挖掘相关技术,以J2EE(Java 2platform enterprise edition)技术为基础,基于Oracle的数据挖掘平台ODM(oracle data mining)和商务智能平台BIEE(oracle business intelligence enterprise edition),实现了水文数据分析的简单化、智能化。最后以江西省鄱阳湖地区4个重要水文站水位历史数据为实例,建立水位数据分析模型,分析结果表明该系统所建模型误差小、预测精度高,完全满足实际应用需求。     

数据挖掘技术及在医学中的应用

数据挖掘(Data Mining,DM)是一门应用性很强的技术。该文阐述了数据挖掘技术的概念、方法和过程,介绍了数据挖掘在当前医学领域的应用情况。     

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.