数据采掘与知识发现综述

来自应用、社会、经济等各方面的迫切需求，以及不断升温的研究兴趣，使知识发现和数据采掘成为目前一个不断发展的领域。本文介绍了知识发现和数据采掘技术的产生背景、基本任务、方法及其应用，同时还简要介绍了目前已有的成熟的KDD系统及其将来的发展。     

关于采掘广义关联规则的两个算法及其比较

描述了分类和广义关联规则的概念及采掘广义关联规则的问题。首先叙述了问题解决的基本算法。随后提出了累积算法,它的优化处理和算法过程。最后通过一组实验显示两个算法的比较结果。图表显示累积算法明显优于基本算法。     

自上而下的关联规则采掘方法

1.前言在数据集中采掘关联规则是数据采掘的一个重要内容,[2]中提出了一种自底向上的数据采掘方法,即把数据集的各个属性从概念层次的最底层向高层进行“泛化”,但这种方法有二个缺点:首先,它的每一层都有一个阈值,但这些阈值之间是密切相关的;并且,对于不同数据集,这些阈值之间的关系也不同。在数据采掘的过程中,要调整这些阈值以取     

数据采掘与知识发现：回顾与展望

如何大规模数据库中发掘深层次的知识和信息，而不仅仅是那些从传统数据库查调方法所获得的平凡内容，这方面的研究正受到越来越多的关注。     

数据采掘与知识发现：回顾和展望

如何从大规模数据库中发掘深层次的知识和信息,而不仅仅是那些从传统数据 库查询方法所获得的平凡内容,这方面的研究正受到越来越多的关注．作为一门独立于应用 的研究课题,它已成为众多研究领域的热点内容,已经有相当多的应用报道并取得了丰硕的 成果．本文试就数据采掘和知识发现的各方面内容：如采掘过程、方法、算法和应用等,作 一个完整的回顾,文章也讨论了这一领域未来的工作和挑战．     

数据采掘方法及其在金融行业中的应用

在现实生活中随着数据的日趋庞大，需要有新一代的智能工具和技术对之进行处理。数据采掘正是着眼于此，它的主要目的在于开发相关的技术和工具，从浩翰的数据中获取有价值的信息，简要综述数据采掘的基本概念、任务、要求和基本方法等有关工作，并给出了一个应用于金融行业的实例研究。     

关于数据采掘和知识发现的若干思考

数据采掘和基于数据库的知识发现是目前数据库研究界和产业界关济的热点。     

关系数据库中多层次关联规则的采掘及其实现

讨论了在关系数据库中进行多层次的关联规则采掘的概念和在关系数据库中的实现方法。提出并实现了利用关系数据库的特点,高效地得到满足要求的多层次关系规则,并进行了必要的讨论和总结。     

数据采掘技术回顾

数据丰富而知识贫乏的状况导致了数据采掘的出现，并且在短短的几年内，引起了许多不同领域的人们的极大兴趣。数据采掘的应用也变得日益广泛起来，从传统的专家系统到当前最热门的Ｉｎｔｅｒｎｅｔ服务，都需要使用数据采掘技术来适应数据库规模的不断扩大。为了对数据采掘有一个比较清楚直观的了解，本文基于知识的种类将数据采掘分成四类，并在每一类中展现了一些有代表性的和比较新的技术。     

基于网络环境的分布式KDD及Data Mining研究

本文针对ＫＤＤ的研究现状及其面临的挑战,主要讨论了基于网络环境下,面向多个站点机,多种数据库、多类数据源的分布式ＫＤＤ和Ｄａｔａ Ｍｉｎｉｎｇ的整体方案和实验系统模型,研究内容包括高效分布式开采算法,ＫＤＤ过程的无缝集成,ＫＤＤ中的知识表示、知识更新以及开采结果可视化的有效方法等。     

基于Web的数据采掘

本文论述了知识发现的数据采掘的概念以及所使用的技术，并分析了在ＩＮＴＥＲＮＥＴ进行数据采掘的特点和难点。     

模糊数据挖掘

本文在数据库中知识发现（KDD）和数据挖掘（DM）技术的基础上,提出了模糊数据库中知识发现（KDFD）和模糊数据挖掘（FDM）的概念与技术,并给出FDM的算法,它能有效地挖掘出模糊数据库中潜在的有价值的知识。本文具体讨论了模糊关联规则及模糊数据依赖的挖掘。     

图像数据挖掘研究综述

对数据挖掘中的一个新兴领域———图像数据挖掘作出了较为全面的研究。给出了图像数据挖掘的定义,分析了图像数据挖掘与图像处理分析、图像模式识别及图像检索等相关领域的异同点,并就图像数据挖掘对传统数据挖掘的改变和扩展之处作了较为详尽的阐述。从多个角度对图像数据挖掘进行了分类。介绍了关联规则、聚类、分类等技术在图像数据挖掘中的不同用法。最后,简单地介绍了图像数据挖掘的几个应用领域的研究现状。     

在数据挖掘中基于SOM网络的数据分析可视化设计

阐述了SOM（Self-Organizing Map)自组织神经网络和Davies-Bouldin聚类判定法，采用SOM网络构建了数据挖掘中数据模型，设计了SOM网络数据分析可视化软件，并进行了详细的可视化数据分析，同时，设计的软件已经初步应用到数据挖掘当中，取得了良好的效果。     

挖掘多支持率分类规则的虚拟投影算法

本文首先提出了一种挖掘频集的高效算法PP。它采用了一种基于树的模式支持集表示，避免了反复扫描数据库和递归建造个数与频繁模式数相同的模式支持集，其效率比Apriori和FPGrowth高1—3个数量级。PP被进一步扩展成发现分类规则的有效算法CRM-PP。CRM-PP将多支持率剪裁集成到频集发现阶段，将二阶段挖掘法改进为单阶段挖掘法。CRM-PP的效率也比基于Apriori和FPGrowth的二阶段算法高1—3个数量级。     

基于数据仓库的数据挖掘系统结构框架

本文提出了一种基于数据仓库的数据挖掘系统结构框架。该系统把数据仓库、数据挖掘工具和知识库结合在一起,实现了查询协同和知识库的增量维护,能够解决在大容量数据集中快速发现知识的问题,提高了数据挖掘的效率。     

基于数据挖掘聚类技术的信用评分评级

本文提出了一个基于数据挖掘聚类技术的信用评分评级方法。该方法使用数据挖掘的聚类算法,对传统信用评分模型进行了改进,本文给出了方法的理论证明,并在一个信用卡分析系统DMCA中实现了该方法,进行了详细的数据测试。理论证明及实验结果都表明,聚类技术在传统信用评分模型的DM／MTM,分界值,均方差,交叉验证等问题上取得了良好的效果。