数据挖掘技术

数据挖掘（Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。本文简略介绍了数据挖掘的分析处理过程、分析处理模式、数据挖掘在电信企业中的应用以及数据挖掘的发展趋势。     

基于数据挖掘的入侵检测系统模型

论述了入侵检测系统和数据挖掘的基本概念。针对现有入侵检测系统对新的攻击缺乏自适应性这一缺陷,提出了一个基于数据挖掘的入侵检测系统模型,该模型具有一定的自主学习和自完善功能,可以检测已知或未知的入侵行为。介绍了该模型的结构及主要功能,着重分析了该模型的数据挖掘过程。     

数据挖掘综述

数据挖掘技术是一个新兴的、非常重要的、具有广阔应用前景和富有挑战性的研究领域.本文结合具体实例,从概念、方法、特点、任务、过程、应用以及所面临的挑战等各方面对其作了较详细的评述.     

数据挖掘技术的研究现状及发展方向

数据挖掘技术是当前数据库和人工智能领域研究的热点。文章对国内外数据挖掘技术的总体情况进行了概括性的介绍，其中包括数据挖掘技术的产生背景、应用领域等，并对当前数据挖掘的分类以及数据挖掘技术中常用的一些挖掘算法进行了说明，最后列出了一些数据挖掘在实际领域中的应用，并对数据挖掘技术的前景作出了展望。     

数据挖掘技术及其在银行业务中的应用

本文介绍数据挖掘的基本概念、模型和工作过程以及数据挖掘技术在银行业务中的应用。     

在案件侦察决策中采用数据挖掘技术

本文通过对辅助系统核心功能和侦察决策形成过程的简略探讨,建立了辅助系统的模型框架.在数据挖掘的核心过程中,主要采用数据聚类和关联规则技术,并且通过使用案件侦破后修正规则库的手段,使辅助系统对规则具有一定的自我学习的智能功能,从而解决了海量的侦察数据与有价值的数据之间的矛盾.     

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.     

基于数据挖掘的网络入侵检测模型

入侵检测技术已经成为网络安全的新兴领域。该文针对入侵检测系统的特点与不足,提出了一种基于数据挖掘算法的网络入侵检测系统模型,能高效地进行误用检测与异常检测,可降低漏报率和误报率,同时应用聚类算法对边界区进行分析,可发现未知攻击,具有很好的实用性。     

数据挖掘在高校教学管理中的应用

高校管理系统中的教学数据逐年增多,但对数据的分析处理多停留于简单的查询与统计阶段.要想合理开发利用这些数据找到其内在关联,为教育教学管理及决策提供指导,使用数据挖掘技术对其进行知识发现是一条重要途径.本文将依次对数据挖掘的概念、过程、相关技术及其在教学管理中应用进行归纳与总结.     

基于关联规则对工业铀测量数据挖掘分析研究

为了推进“智能制造”的进步,大数据技术处理工业制造的大量数据成为了一种高效的方式。通过采用大数据方法针对工厂工业产品的测量数据进行挖掘分析,挖掘有意义的知识,制定智能化生产方案以提高生产效率,可以避免资源的浪费。该文主要借助某企业工业铀产品的测量数据开展工业大数据分析研究。首先进行数据清洗,去除部分冗余和不相干或不可靠的数据,然后根据数据本身的结构特点利用K-Means算法对数据进行聚类分析,再结合改进的关联规则算法Apriori对测量参数进行挖掘分析,成功得到测量参数与产品质量之间的有价值的关联规则。最后,根据关联规则结果进行有效性分析。实验结果表明,该方法减少了大量冗余规则,能够准确挖掘工业大数据有意义的信息,并且准确性得到了明显的提升,有助于提高生产质量,为企业生产调整智能化提供有益的技术支持。     

数据挖掘在证券业务分析系统中的应用

对数据挖掘在证券业务分析系统中的应用相关理论进行了探讨,重点阐述了通过数据挖掘技术挖掘股票之间的关联规则,使投资者了解各种股票的走势及股票之间的关系,从而作出正确的投资决策。     

数据挖掘在营销策略中的应用

首先介绍了当前数据挖掘的产生背景及该领域内的主要数据挖掘技术,然后通过实例重点介绍知识类数据挖掘技术中应用较广的关联规则算法,及其在营销策略中的应用。     

数据开采机模型及开采算法研究

本文在介绍数据开采基本知识的基础上提出了一个通用的开采机模型，并对其各模块的功能做出描述，针对目前许多开采大型数据库中的关联规则高效算法大多是在各自单独的领域内进行算法的理论研究与探讨的问题，本文在研究了两种高效的关联规则开采算法：最大频繁项目集算法FID（Frequent Itemsets Discovery），增量式更新算法IUA（Incremental Updating Algorithm）后，将以上算法综合并在计算机上实现，作为比较同时给出了Aprioiri（经典的关联规则开采算法）的实现。文中为了避免负面示例的问题，还引入了兴趣工的概念，并在系统中实现。     

基于网格的数据挖掘算法

为了克服传统数据挖掘算法与分布式数据挖掘算法的不足．提出了一种基于网格平台的数据挖掘算法,并改进了原有的Apriori算法,使其应用于网格平台。基于网格的数据挖掘算法具有合并计算力,安全,高效,节约硬件成本等优势已越来越受到学术界的重视。     

一种企业能耗预警相关性分析的时空挖掘算法

为了挖掘工业企业能源监测点之间的预警关联规则,寻求生产过程中可能存在的能耗相关性,针对工业企业综合能耗具有的时间特征和空间特征,本文提出了一种新的基于结构化项集的时空挖掘算法,以解决传统的挖掘算法遇到的诸多瓶颈。该算法对经典的Apriori算进法行了改进,引入时间维度和空间维度,可在各个时间段和不同的空间层中,挖掘出更多的能耗关联知识。该算法通过引入时间维度和空间维度,建立最小能耗监测单元,构架分时分层的数据挖掘策略,避免传统的挖掘产生过多的候选项集。这种算法应用于国内一家大型企业工业生产过程的能耗数据分析,取得了较好的实际效果。     

浅谈数据挖掘在机房信息管理中的应用

以往的机房信息管理系统,多数是OLTP系统,缺乏综合分析、辅助决策的能力,尤其对其历史积累的海量信息中隐含知识的利用无能为力。该文在聚类规则挖掘理论与研究的基础上,将k-means的算法应用于安徽经济管理学院的机房信息管理系统,对课外上机人次数据进行挖掘,根据挖掘规则得出了课外上机与课内上机时间安排的合理顺序。     

数据挖掘技术及其在建筑节能中的应用

人类社会发展中的每次技术进步都会催生一系列新的产品和服务,但同时也导致资源和能源消耗的剧增.技术的进步虽然提高了资源和能源的利用效率,但这种人均能耗不断递增的发展模式不可持续.建筑节能除了关注供应侧的能效外,合理的引导需求侧用能是实现建筑节能的关键.要实现建筑节能模式由供应侧到需求侧的转变,就必须恰当描述特定室内环境下的用能特征,才能从需求侧评估建筑能耗的合理性,进而精确辨识能源浪费的原因.建筑物自动化系统和物联网技术的快速发展与普及,获取了大量特定室内环境下的用能特征数据,利用数据挖掘技术可以从这些低密度价值的建筑运维数据中萃取节能线索和策略.本文简述了数据挖掘技术,综述了各种挖掘方法在建筑节能中的应用,并展望了发展趋势.     

数据开采中的知识管理

由于目前的许多数据开采算法可以开采出大量的关联规则、时序模式等,这样就提出对数据开采出的知识进行管理的问题。论文介绍一种基于模板的机制使得用户可以选取他们感兴趣的知识进行浏览,并且采用知识可视化的显示方法。     

零售业CRM系统中的数据挖掘探讨

阐述了零售业CRM系统的特点及技术要求,在此基础上对零售业CRM系统的数据挖掘思路进行了探讨。     

数据挖掘及其一种关联规则算法

文章主要论述了数据挖掘的概念、过程及应用前景,此外还重点介绍了数据挖掘中常用的一种算法-关联规则算法.