从数据挖掘到知识发现

<正> KDD简介 过去的十年里,生成和收集数据的能力迅猛发展。科学数据集、商品的条形码、商业的计算机化和政府事务等都产生了海量的数据。 如此大量的数据明显超出了传统手工数据分析方法的分析能力。这些方法能够从数据中产生信息报告,但不能分析这些报告的内容以便集中处理。这就要求新一代技术与工具具备智能地并且自动地帮助人们分析海量数据来获取有用知识的能力。 从原始数据中发现有用的模式(或知识)通常称之为数据库中的知识发现,简称KDD。这种称法出现于     

浅谈数据挖掘和数据库知识发现

本文介绍了数据挖掘和数据库知识发现的过程,分析其特点,归纳比较数据挖掘的主要方法及其各自优势、适应范围,横向比较多个应用软件,并指出数据挖掘和数据库知识发现的发展方向。     

基于数据挖掘的知识发现在水电站优化调度中的应用研究

主要讨论基于数据挖掘技术的知识发现在水电调度系统中的应用，提出了基于数据挖掘的知识发现方法，建立了知识向量集的拓扑空间概念并提出了基于拓扑空间向量集的不确定性知识表示方法。     

数据挖掘技术在客户保持中的应用研究

客户保持是商业应用领域中的一个重要研究课题，本文提出了一种利用数据挖掘技术来对客户资料进行分析，找出目标客户群和潜在客户群以及可能判离的客户群，从而达到客户保持的目的。     

数据挖掘方法和知识发现

数据挖掘与知识发现是一个以数据库、人工智能、数理统计、可视化四大支柱技术为基础,多学科交叉、渗透、融合形成的新的交叉学科,其研究内容十分广泛。从数据挖掘与知识发现的概念开始入手,对数据挖掘技术常见的方法进行了分类讲解,同时比较了不同种方法之间的优缺点。     

数据挖掘和知识发现方法研究

摘 归纳了最新的数据挖掘和知识发现方法的理论和应用进展,详细总结了研究和应用的一些关键技术,最后对数据挖掘和知识发现将来的理论发展趋势和应用趋势做出了展望。     

数据挖掘与知识发现

随着数据积累的增长,充分利用大量数据(即对数据进行分析来指导工作),并从大量数据中挖掘出有用的信息和知识,找出未知的规律,已成为人类急需解决的问题。本文就数据挖掘技术、知识发现系统这一热点问题阐述其成功的关键、面临的问题及所采用的技术。     

知识发现和数据挖掘及其在油田生产辅助决策中的应用

知识发现（KDD)与数据挖掘(DataMining)是一个飞速发展的领域，随着方法和技术手段日趋丰富，应用也更加广泛深入。本文简论了数据挖掘与知识发现技术及其特点、结合采掘系统原型框架探讨了数据采掘技术在油田生产辅助决策中的应用。     

数据挖掘技术及在电子商务中的应用

数据挖掘（Data Mining)被认为是解决“数据爆炸”和“数据丰富,信息贫乏（Data Rich and information Poor)”是一种有效方法,本文对数据挖掘的基本原理作了阐述,分析了数据挖掘的流程及主要功能,介绍了数据挖掘工具的算法和特点,并结合具体实例说明了数据挖掘在电子商务中的应用。     

基于贝叶斯方法的知识发现

贝叶斯方法是概率统计学中一种很重要的。方法贝叶网络就是根据各个变量之间概率关系用图论方法建立的模型,本文概率统计图的贝叶斯规则应用于知识发现。建立图论模型进行数据挖掘,文章最后应用贝叶斯网络对于实际的数据库进行知识发现,其结果说明了这种方法的有效性。     

医学数据挖掘系统研究——糖尿病并发症流行病学知识发现

针对流行病学研究的特点,论文提出计算机辅助医学数据挖掘系统构架,以糖尿病并发症为研究实例,探讨医学数据的冗余性消除、规范化储存、知识归纳及可视化表达等问题。以天津总医院3022例普查数据为研究对象,尝试解决用计算机实现糖尿病并发症这类定性数据的定量化数据挖掘和知识发现。通过对于43种并发症的定性数据挖掘,可以发现诸如高血脂、冠心病、高血压、脑血管病等具有明显并发倾向的知识规则18条。同时,采用知识树方式和决策树等方法实现知识规则的可视化表达。基于数据挖掘和知识发现计算机辅助医学数据挖掘系统能够对现有病历数据库中数据进行自动分析并且提供有价值医学知识,特别适合流行病学分析和全民健康评估,因此与社区医疗和医院HIS系统结合是未来一个非常现实的发展方向。     

数据挖掘与知识发现综述

数据挖掘与知识发现是目前一种新的重要的研究领域。介绍了数据挖掘与知识发现的概念、功能、常用方法、数据挖掘过程及其广泛应用 ,阐述了数据挖掘技术的未来发展方向。     

数据挖掘管理系统

本文分析了数据挖掘的常用技术和分析方法,详细探讨了数据挖掘过程,在此基础上,设计了一个由多模型构成的数据挖掘管理系统的一般框架,其能支持数据挖掘分析的全过程。     

Advanced Scout: Data Mining and Knowledge Discovery in NBA Data

Advanced Scout is a PC-based data mining application used by National Basketball Association (NBA)coaching staffs to discover interesting patterns in basketball game data. We describe Advanced Scout software from the perspective of data mining and knowledge discovery. This paper highlights the pre-processing of raw data that the program performs, describes the data mining aspects of the software and how the interpretation of patterns supports the processof knowledge discovery. The underlying technique of attribute focusing asthe basis of the algorithm is also described. The process of pattern interpretation is facilitated by allowing the user to relate patterns to video tape.     

数据仓库与知识发现

文章通过对数据仓库的概念以及基于数据仓库的知识发现系统的技术特点的介绍,揭示了基于数据仓库的知识发现应用的优势.     

基于知识网格的分布式数据挖掘

科学和工商业应用需要分析分布在各异构站点的海量数据。这就需要合适的分布式并行系统来存储和管理数据。网格为分布式数据挖掘和知识发现提供了有效的计算支持。文中在讨论知识网格体系结构的基础上,利用可视化网格应用环境VEGA实现了基于网格的分布式数据挖掘过程。