数据挖掘与数据仓库技术及其在保险业中的应用

文章介绍了数据挖掘中常用技术和数据仓库结构．并且探讨了粗糙集方法，决策树方法以及关联规则方法等数据挖掘技术在保险风险规则挖掘中的应用。     

浅析数据挖掘技术

本文主要讨论了数据挖掘方法的研究发展,简要地介绍了数据挖掘的定义、功能、方法等,详细的介绍了一些常用的数据挖掘技术,包括概念,应用范围,选择划分的标准等。     

浅析数据挖掘技术

本文主要讨论了数据挖掘方法的研究发展,简要地介绍了数据挖掘的定义、功能、方法等,详细的介绍了一些常用的数据挖掘技术,包括概念,应用范围,选择划分的标准等。     

基于OLAP与数据挖掘的高考招生数据分析

如何从海量的高考招生数据中发现有用信息,是招生主管部门迫切关心的问题,也是家长、考生以及社会各界都十分关注的问题。围绕这一问题,依据某省多年来累积的高考招生数据,建立数据仓库和多维数据集,进行OLAP分析与数据挖掘分析,得到了一些潜在的有用信息。研究分析表明,这些信息可以为招生主管部门提供决策支持,也可作为指导考生合理填报志愿的重要依据。介绍了数据仓库和多维数据集的建立过程、录取相关数据的OLAP分析及其结果的解读过程以及利用决策树算法和关联规则算法进行数据挖掘的过程。     

数据挖掘技术分析及其应用评价

本文主要讨论了数据挖掘方法的研究发展,简要地介绍了数据挖掘的定义、功能、方法等,详细的介绍了一些常用的数据挖掘技术,包括概念,应用范围,选择划分的标准等,并对各种技术的性能进行了评价。     

数据挖掘技术分析及其应用评价

本文主要讨论了数据挖掘方法的研究发展,简要地介绍了数据挖掘的定义、功能、方法等,详细的介绍了一些常用的数据挖掘技术,包括概念,应用范围,选择划分的标准等,并对各种技术的性能进行了评价.     

数据挖掘技术及其在高校教学系统中的应用

分析和指出了现有一些关联规则算法的优缺点,并进行改进,对教学信息库进行数据挖掘,寻找高校教学体制中各因素间的关联关系,为高校管理决策提供了科学依据。     

浅析数据挖掘技术

数据挖掘（DM）是从数据库中发现知识。该文简单介绍了数据挖掘的概念、常用技术、主要应用及其发展趋势。     

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。     

数据挖掘算法研究与综述

信息化的到来导致数据急剧膨胀，从大量的数据中提取有用信息并非易事，数据挖掘就是为了满足这种需要而产生的。论文介绍了数据挖掘的相关理论知识和算法，算法有关联规则、遗传算法和决策树，对这些算法进行了分析研究，并找出其局限性。     

基于Web数据挖掘的高效关联规则研究

随着网络资源越来越丰富,Web数据挖掘逐渐成为因特网上资源有效利用的研究热点。本文提出通过对因特网上非结构化数据的XML格式进行筛选等处理,然后转化为结构化数据存储在SQL Server数据库中。并在此基础之上利用关联规则发现以生成最小关联规则集来代替完全关联规则集,就可以有效地剪除弱关联规则,大幅度地减少候选频繁项目目集,从而提高规则发现效率。最后,在传统经典算法Apriori基础上,利用弱关联规则的向上关闭特性设计了一个相应的高效算法。     

数据挖掘中关联规则算法的研究

目前,人们已经提出了许多挖掘关联规则的算法及其变型,其中最著名的是Apriori算法,但传统的算法效率太低。为了解决这些问题,本文提出了一种快速更新的关联挖掘算法。     

数据挖掘技术及其在工业生产中的应用

数据挖掘是一种新兴的数据处理和分析技术,生产领域的应用,文章概述了数据挖掘的主要技术特点、术的应用现状,分析了工业生产的过程特点和数据特点,处理和挖掘方法,强调了合理利用专业知识的重要性。已在许多领域发挥出可观的作用。为了促进数据挖掘在工业主要任务和一般实现方法,介绍了工业生产领域数据挖掘技并针对这些特点探讨了工业生产数据挖掘较为独特的数据预     

基于项目序列集操作的关联规则挖掘算法

最大频繁项目序列集的生成是影响关联规则挖掘的关键问题,传统的算法是通过对事务数据库的多次扫描实现的,最新的研究已经开始通过减少事务数据库的扫描次数进而减少挖掘过程的I／O代价来获得更高的效率,随着计算机性能的提高,探索合适的数据结构来支持基于一次事务数据库扫描的高效算法成为可能,该文首先给出项目序列集和它的基本操作的严格定义,然后在此基础上提出了一个称为ISS－DM的最大频繁项目序列集生成算法。ISS－DM算法是通过对事务数据库的一次扫描而逐步演化成最大频繁项目序列集的,最后作者对这一算法的时间和空间效率进行了理论分析和实验验证。     

面向数据挖掘的背景知识表示技术研究

数据挖掘是一项高级的智能活动,数据挖掘的过程离不开背景知识。该文从数据挖掘角度出发,在详细分析了背景知识在数据挖掘中意义和作用的基础上,狭义地给出了背景知识的定义,并提出了基于一阶谓词逻辑的背景知识技术。最后,以关联规则挖掘和决策树构造为例,说明了背景知识可有效地提高数据挖掘的效率,改善数据挖掘的质量。     

关联规则挖掘算法的分析与研究

在对Apriori算法和FP-树算法进行分析的基础上,将最新提出的基于双库协同机制的Maradbcm算法与其进行了比较,指出了传统的"支持度-置信度"框架在挖掘算法上的局限性,明确了主观度量与客观度量相结合的必要性。     

基于数据仓库的高效关联规则的挖掘

提出在基于数据仓库的关联规则发现中生成最小关联规则集来代替完全关联规则集,最小关联规则集必须具备两个条件：（1）最小关联规则集是最小、最简单的关联规则集合;（2）最小关联规则集与完全关联规则集有相同的置信度。通过最小关联规则集,可以有效地剪除弱关联规则,大幅度减少候选频繁项目集,从而提高规则发现效率。是后,在传统经典算法Apriori基础上设计了一个相应的高效算法。     

内嵌式数据挖掘系统实现方法的研究

提出构建数据仓库的一个新技术——内嵌式数据挖掘系统,给出了内嵌式数据挖掘系统的实现方法及其关键技术,使用决策树算法对内嵌式数据挖掘系统进行设计。所提出的内嵌式数据挖掘系统将成为功能完备的数据仓库中一项重要的指标。     

数据挖掘中的模糊聚类实现技术

提出了一种利用模糊集理论进行聚类的技术,详细阐述了在关系数据库中利用此技术实现聚类的方法和过程,并给出了程序流程和程序实现;经过聚类后的数据对象,既可以从中获取分类知识和信息,也可以为下一步的关联规则挖掘提供低噪声的数据源。