数据挖掘可视化技术应用与研究

本文讨论了数据挖掘和可视化的关键技术,提出了运用在油田数据库中的一种可视化模型的设计方法。取出油田数据库的一个数据截面进行可视化,可以直观清晰的看到数据库中的频繁与例外异常模式,对提高决策的效率具有重大现实意义。     

可视化数据挖掘方法与技术

可视化数据挖掘技术是可视化技术和数据挖掘技术的有机结合,是数据挖掘技术发展的必然,它涉及到计算机图形学、图像处理、计算机辅助设计、计算机视觉及人机交互技术等多个领域：数据挖掘的可视化已由单纯的模型可视化发展到数据可视化与数据挖掘过程和结果的可视化;本文着重讨论了可视化数据挖掘的分类和相关技术,最后提出了未来的研究方向。     

可视化数据挖掘技术

迄今为止,数据挖掘与知识发现软件的功能不再停留在"挖掘"这个单一功能的实现,而已延伸到数据挖掘与知识发现的过程,即包括数据的预处理、数据挖掘、模型评估与可视化,在单纯的模型可视化基础上扩充了数据可视化与数据挖掘过程可视化.主要讨论了数据挖掘的方法与可视化技术,指出了未来的研究方向.     

数据挖掘中可视化技术综述

阐述了可视化技术在数据挖掘中的应用及发展前景。     

浅谈可视化数据挖掘方法与技术

数据挖掘技术的快速发展,能帮助用户更换的挖掘数据库中隐藏的丰富知识,而受挖掘技术复杂性影响,一些用户很难挖掘完整的数据,对数据的理解和掌握也比较吃力。采用图形和图像的形式,能帮助用户理解和掌握数据挖掘的结果,可视化数据挖掘技术便应运而生。     

可视化数据挖掘技术及其应用

大型数据库信息管理和信息挖掘技术是国际热门问题之一。利用Ｍａｔｃｏｍ技术将软件Ｍａｔｌａｂ的矩阵计算功能内嵌到ＶＢ环境中,用友好的人机交互界面实现数据库操作与数据分析一体化,形成相关软件,进一步以高阶相关系数能刻画变量相关的特性为基础,乘法地实现数据挖掘的高阶关联分析所需要的矩阵运算和动态作图功能。     

可视化数据挖掘技术的应用分析

随着社会的不断发展和科学技术的不断进步,大数据时代的到来衍生了很多新技术。其中,可视化数据挖掘技术是较为先进的一种技术,是信息化时代发展的产物。近年来,这一技术被广泛应用于各个领域,为各行各业的发展提供了便利,提高了工作效率。笔者主要阐述了可视化数据挖掘技术的相关概述,分析了可视化技术在数据挖掘技术中的应用,研究了可视化数据挖掘技术存在的问题和未来的发展趋势,以期为技术的进步提供数据支持。     

数据挖掘方法与可视化

迄今为止,数据挖掘与知识发现软件的功能不再停留在“挖掘”这个单一功能的实现,而已延伸到数据挖掘与知识发现的过程．即包括数据的预处理、数据挖掘、模型评估与可视化;在单纯的模型可视化基础上扩充了数据可视化与数据挖掘过程可视化：本文着重讨论了数据挖掘的方法与可视化技术,最后提出了未来的研究方向。     

可视化技术在空间数据挖掘中的应用

在阐述可视化与空间数据挖掘关系的基础上,探讨了可视化在空间数据挖掘过程中应用的各个环节,提出了将具体应用划分为概念层、逻辑层和基础层3个层次。以地质模型数据挖掘为例,对应3个层次阐述了可视化应用的关键技术：地质模型可视化,交互式挖掘与探索性可视化分析。开发了一个原型系统,初步实现了可视化挖掘功能。     

基于数据挖掘的网络安全可视化管理系统的研究

随着社会经济水平的不断提高和信息时代的不断发展,计算机网络在社会的各个领域中得到广泛的应用和普及,给人们的生活方式、学习方式和工作方式带来方便的同时,却引发了一系列的网络安全问题,在这样的背景下,网络安全可视化管理系统应运而生,为保证网络信息的安全性和真实性,促进网络的健康、可持续发展发挥出重要作用.该系统成功应用了数...     

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。     

数据仓库与数据挖掘研究进展

随着数据库应用从以事务处理为中心逐渐向以分析处理为中心转化，以数据仓库、联机分析和数据挖掘为中心的基于数据库的分析技术成为近几年来数据库界研究的热点。经过近十年的研究与应用。已经产生了很多的研究成果，建立了较扎实的理论基础，目前正在向与应用领域紧密结合(如流数据)。对现有技术进一步改造方面发展。本文对近两年这几个方向上的研究成果进行了总结。     

基于数据挖掘技术的购物篮模式研究

基于顾客购物篮的分析提出一种新的基于虚拟变量的数据挖掘方法。该方法结合因子分析、聚类和关联规则挖掘技术。首先通过因子分析方法从众多的实变量中标识出影响顾客购买决定的少数几个虚拟变量,其次利用聚类分析对顾客划分成若干簇,最后运用关联规则分析获取每一簇中对象之间隐藏的模式。通过在一个零售业的案例中进行实施,表明了该方法的有效性。     

基于Rough集的数据挖掘模型研究

这项工作的主要目的是表明怎样能够有效地实现基于Rough集的数据挖掘技术,在这篇论文里,我们详细讨论了Rough集理论,为了从基于Rough集的数据库中发现新的规则,研究了一种适合数据挖掘的面向对象的软件系结构,给出了数据挖掘算法、规则发现算法和规则约简算法,从初始数据库的信息出发,依次建造差别矩阵、约简表和规则表,最后给出了一个模拟实例,表明我们的模型和算法是可行的。     

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。     

挖掘转移规则：一种新的数据挖掘技术

文中提出一种新的数据挖掘技术；挖掘转移规划。     

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。     

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。     

CIMS中数据挖掘与遗传算法的自组织研究

CIMS中的数据挖掘是一个综合性的研究领域 ,它综合了先进制造技术、数据库技术、计算机网络和人工智能等诸多学科 .本文提出了采用以生物进化论为基础的遗传算法解决 CIMS中数据挖掘问题 .文章从辨证的角度出发 ,探讨了 CIMS中数据挖掘采用遗传算法解决知识发现的可行性以及其优越性     

一个医保基金风险防控平台中的数据挖掘技术

针对医保基金管理的关键环节和基金风险的主要因素,从医保业务出发,开发了相应的数据挖掘算法,构建医保基金风险防控的模型库和方法库,实现政策风险、运营风险、供需矛盾风险和违规欺诈风险防控。通过实施验证,不断修正并应用,从而全面建立与医保改革和管理相适应的医保基金风险防控机制,与日常运行的医保业务系统共同构成了基金运营、监控的良性循环,为医保基金风险防控系统的建设、实施奠定基础并提供借鉴意义。