Hadoop分布式的海量图像检索

传统基于内容的图像检索方法通过相似度测量算法获取检索结果,对海量图像存在检索效率低和精度差的弊端,因此设计基于Hadoop分布式的海量图像检索方法,其基于Hadoop云平台对海量数码图像实施分布式运算,采集图像SURF特征,采用K-Means聚类方法将相似图像SURF特征聚集起来,通过TF-IDF数据挖掘技术对图像特征实施量化,进而基于Hadoop平台中的Lucene框架塑造海量图像数据的索引模块和搜索模块,依据用户输入的图像SURF特征塑造海量图像数据索引,完成相似图像的准确检索。实验结果说明,所提图像检索方法检索出的图像质量佳,对海量图像进行检索的效率和精度高。     

多帧CT图像数据的测序数据挖掘与规律分析

针对多帧CT图像进行病理诊断中容易出现数据挖掘信息冗余导致误判的问题,提出一种基于CT图像序列关联轮廓线特征提取及批处理的多帧CT图像数据的测序数据挖掘方法。首先对采集的多帧CT图像进行去噪和特征优化处理,然后采用Sobel算子模板进行CT图像测序数据的模板匹配,基于边缘先验知识进行轮廓线套索搜索,并采用连续批处理方法进行多帧CT图像的连续测序数据挖掘与分析,提高处理效率。最后进行仿真分析,结果表明,采用该方法进行多帧CT图像处理,能准确提取图像轮廓线特征,实现测序数据的准确挖掘,且运算效率较高。     

海量弱关联图像数据的检测系统设计与实现

当前设计的图像数据检测系统大都依据特定关键词完成数据检测,对海量弱关联图像数据的检测效率和精度较低。为了解决这些问题,设计基于PMML规范的海量弱关联图像数据检测系统,其将数据检测算法同PMML标准融合,由表示层、应用服务层和数据资源层构成。其中应用服务层中的数据检测模块将形成的检测模型通过PMML文档输出,模型应用模块通过PMML模型采用自定义的数据检测查询语言CMQL完成语言检索,实现海量弱关联图像数据的有效检测。系统实现部分给出了PMML模型的创建和应用过程。实验结果表明,所设计检测系统具有较高的检测性能和较低的虚警率。     

数据挖掘技术在中医处方经验研究中的应用

传统的中医药科学在长期的医疗实践中积累了海量的处方数据,数据挖掘是目前最有效的数据分析手段之一,利用数据挖掘技术从这些海量数据中发现蕴含其中的中医药知识,是一项极有价值的研究工作。本文主要采用数据挖掘中的Apriori关联规则算法,对中医处方数据进行挖掘和总结：首先对采集的中医药数据进行数字特征化处理;然后对中医处方中药物的频繁项集和药物之间的关联关系进行研究,并获得了普通处方分析较难获得的用药规律及经验信息。研究成果对中医临床工作具有重要的指导意义。     

大型物联网电子设备的海量数据高效挖掘方法研究

当前对大型物联网电子设备数据采用状态模式识别的数据挖掘方式,对具有差异性特征的电子设备数据挖掘无法分类识别,性能不好。在此提出一种基于关联度主特征量提取的大型物联网电子设备的海量数据高效挖掘方法,首先分析了大型物联网中电子设备的数据采集模型,通过对电子设备的原始数据采集,提取电子设备数据信息的关联度主特征量,采用海量数据挖掘最优控制算法实现对大型物联网中的电子设备海量数据的分类挖掘和特征提取。仿真结果表明,采用该算法进行数据挖掘,电子数据的数据差异性特征幅度平稳,数据的关联度区分明显,具有较好的分类识别和数据检测能力且系统运行效率提高。     

基于E-Learning的数据挖掘系统的改进设计与实现

受到用户数据复杂性和多变性的影响,传统数据挖掘系统往往难以精确掌控用户数据走向。为加强数据挖掘系统的挖掘精度与稳定性,提出基于E-Learning的数据挖掘系统。该系统包括E-Learning编辑服务器和数据处理体系,ELearning编辑服务器由准备模块、展示模块和生成模块构成。准备模块为不了解E-Learning数据挖掘系统的用户提供帮助,将挖掘出的用户行为数据传递给展示模块,经展示模块对用户数据进行控制、筛选和解析并传输到生成模块与知识库,生成模块对挖掘出的用户数据进行个性化定制。数据处理体系利用数据挖掘查询语言进行数据查找与解析,将解析后的数据保存于知识库,并将数据传回E-Learning编辑服务器进行循环使用。软件设计中,给出通过数据挖掘查询语言衡量用户兴趣点,对知识库进行数据的多样性非标准挖掘过程。实验结果表明,所提方法拥有较高的挖掘准确度与稳定性。     

基于云计算的海量图像数据挖掘的探析

随着计算机及网络技术的广泛应用,网络上每日都会产生海量的图像数据,如何从海量的图像数据中提取有用的信息,成为我们面临的最大问题。云计算是一种基于互联网的以数据为中心的新型超级计算模式,利用云计算技术,探讨了在海量图像数据中快速的挖掘有用的图像信息方法。     

数据挖掘分析技术在银行CRM系统的应用研究

国内银行经过几十年的运营,已积累了海量的数据,但数据的价值并未得到充分挖掘利用,数据挖掘技术应运而生,它是对海量信息进行分析和处理的技术,能为客户决策提供真正有价值的信息。文章对数据挖掘技术在银行CRM系统中的应用进行了介绍研究,并进行举例说明。     

云计算环境下多服务器多分区数据的高效挖掘方法设计

云计算环境下的多服务器多分区系统中存在海量数据,传统串行数据挖掘方法对这些数据进行挖掘的过程中,无法对海量数据进行并行处理,挖掘效率低。针对该问题,设计云计算环境下多服务器多分区数据挖掘系统,其包括基础设施即服务层、平台即服务层、软件即服务层,可实现大规模数据的高效挖掘。系统通过平台即服务层中的多服务器多分区数据处理模型,实现海量数据的分布式运算,并基于MapReduce机制实现K均值聚类数据挖掘算法的并行化,通过Map和Reduce函数实现多服务器多分区数据的并行挖掘。实验结果表明,所设计系统大幅度降低了云计算环境下多服务器多分区数据的挖掘时间,提高了数据的挖掘效率和稳定性。     

改进的关联规则算法在教学评价中的研究与应用

数据挖掘就是从海量的数据中挖掘出潜在的、有价值的知识。在数据中隐含的未被人们发现的确实存在的内在联系与规律。学生对老师的教学评价是教学管理的一个重要部分,如何找出教学评价中大量数据之间的联系,是评价教师教学质量和提高教学水平的重要手段。本文利用了一种基于Apriori算法的改进的算法——Apriori_B算法对这个教学评价系统进行数据挖掘。