隐私保护的数据挖掘方法的研究

介绍了隐私保护数据挖掘方法的产生背景和意义,其次概括了现阶段国内外隐私保护数据挖掘算法的研究现状,并对当前隐私保护数据挖掘领域中已提出的算法按照数据挖掘的方法、数据源分布情况、隐私保护技术和隐私保护对象以及数据挖掘应用类型等方面进行分类,然后分别详细阐述了在集中式和分布式数据分布环境下,应用在隐私保护的关联规则挖掘、分类和聚类挖掘中的一些典型的技术和算法,总结出它们的优缺点,并对这些优缺点进行剖析和对比,最后指明了隐私保护数据挖掘算法在未来的整体发展方向.     

数据挖掘中分类算法的可扩展性探讨

为了更加灵活的应用分类算法,针对数据挖掘中分类算法的可扩展性展开分析,首先介绍决策树分类算法、K最近邻分类算法这2种常见分类算法,并且分析分类算法的可扩展性,明确分类算法的作用以及扩展分类算法的3点原因,最后从应用快速算法、及时分割数据、表达与维护数据关系这3个方面着手,阐述可扩展性的实现方法。数据挖掘中分类算法的可扩展性能够充分发挥分类算法优势,提高分类结果准确性,及时完成数据挖掘。因此本文主要研究了数据挖掘中分类算法的可扩展性,希望能够提供一定的参考价值。     

数据挖掘技术的分类算法分析研究

数据挖掘技术是一个崭新研究领域,随着信息技术日新月异的发展,数据库技术在不同行业领域的大规模应用,数据库的规模急剧膨胀。在诸多商业需求的驱动下,数据挖掘已成为当今研究的热点,每年都有新的数据挖掘方法和模型问世,特别是其中的分类问题,引起了越来越多的关注,本文对数据挖掘中的分类算法就行了归纳研究。     

数据挖掘的分析方法综述

本文介绍了数据挖掘的基本分析方法和数据挖掘各种分析方法的分类算法,归纳了常用数据挖掘算法与新的数据挖掘算法的基本思路和特点。最后,指出了一些未解决问题和发展方向。     

分布式环境下分类知识的挖掘算法研究

计算机及通信网络的快速发展,对数据挖掘算法的分布化提出了要求.介绍分布式数据挖掘的结构,然后重点针对分类知识的挖掘,探讨目前分布式环境下主要的分类挖掘算法.     

数据挖掘技术综述

本文重点介绍了数据挖掘技术,论述了数据挖掘的定义、分类和算法,指出了数据挖掘未来研究的方向。     

数据挖掘中分类算法综述

分类是数据挖掘、机器学习和模式识别中一个重要的研究领域。通过对当前数据挖掘中具有代表性的优秀分类算法进行分析和比较,总结出了各种算法的特性,为使用者选择算法或研究者改进算法法提供了依据。此外,提出了评价分类器的5条标准,以便于研究者提出新的有效算法。     

数据挖掘的并行策略研究

文章对数据挖掘算法的并行策略进行了分类,分类技术主要集中在分割训练数据以及在每一个阶段的最后从处理器中抽取属性。这种方法在关联规则和决策树中得到了广泛的研究。在策略应用中,以DD算法为例进行了说明。在文章的最后,展望了并行数据挖掘的发展方向。     

数据挖掘中聚类分析的技术方法

数据挖掘是信息产业界近年来非常热门的研究方向,聚类分析是数据挖掘中的核心技术。对各种聚类算法进行了分类,对代表算法作了详细的分析,并对这些算法从多个方面进行了比较,从而为研究和在不同领域使用这些算法提供了参考。同时还阐述了聚类分析在数据挖掘中的应用。     

隐私保护数据挖掘方法的研究

介绍了隐私保护数据挖掘的国内外研究概况,提出了对数据挖掘中隐私保护技术的分类,分析和评价相关典型算法,并对隐私保护数据挖掘的未来研究方向进行了展望。