一种基于数据仓库的数据挖掘系统的结构框架

数据仓库和数据挖掘技术是数据库、信息决策和机器学习等领域的前沿研究方向之一。基于数据仓库的数据挖掘技术目前是研究的热点课题。提出了一种基于数据仓库的数据挖掘系统结构框架,介绍了其各个组成部分,并对其中的重要组成模块查询协同机进行了详尽地描述,同时给出了具体的查询协同算法。     

双库协同机制对知识发现主流发展的驱动

The paper, by a research report, summarizes emergence and definition of double bases cooperating mecha-nism, and introduces its driving force and influence to many sides of main stream of knowledge discovery from struc-tural model to algorithm , from structuring data mining to complex type data mining. The influence also expands tophilosophy field. It has been above five years from proposing it to now. Summarizing it makes us learn a thing clear-ly : its functions are not simply improvement to algorithm, are to bring forward many new structural models and tech-nology methods . It answers those urgent questions in the one paragraph of the paper to a greater extent. So we maysay: double bases cooperating mechanism has important driving force to main stream of knowledge discovery.     

基于本体的数据挖掘方法

数据挖掘是一个人机交互的过程,领域知识对数据挖掘起着重要作用,提出一种基于本体的数据挖掘算法,使领域知识和数据库无链连接,该算法能更有效地发现有意义的多层次规则。     

数据挖掘技术漫谈

<正> “人类正在被数据淹没,但人类却饥饿于知识”。信息爆炸、信息泛滥是当今数字化社会所面临的一个巨大的挑战。据估计,全世界的数据总量每18个月就要翻一番,以目前社会的信息化和自动化发展趋势来看,这个速度还会更快。 由于科学的进步和技术的发展,越来越多的先进技术、仪器和工具被广泛地应用于政府、商业、工业及科学等部门。科学     

基于粗糙集理论的数据挖掘的应用

在粗糙集理论的基本思想及其特点的基础上说明它是数据挖掘的一种工具,并对其广泛的应用作了描述。介绍了常见的粗糙集理论的应用工具软件（如Rosetta),并给出了一个应用粗糙集技术来实现数据挖掘的实例系统（电力系统中操作点的分类）。     

数据挖掘技术及应用

<正> 基本概念 知识发现(Knowledge Discovery in Database)是使用数据挖掘来抽象或识别知识的过程。数据库中的知识发现过程并不是一个琐碎无用的过程,它的每个过程都很重要——是在数据中获取并验证正确的、新奇的、潜在有用的和最终可理解的模     

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。     

数据挖掘发展研究

1 引言世纪之交,人类面临着新的问题:不缺数据缺知识。随着数据库技术的成熟和数据应用的普及,人类积累的数据量正以指数速度增长。例如,Wal Mart公司每天要处理二千万个事务;美国航天局1999年发射的地球观测系统每小时要产生50Gb的图像数据等。毫无疑问,这些庞大的数据库及其中的海量数据是极其丰富的信息源,但是仅仅依靠传统的数据检索机制和统     

数据挖掘在辅助决策系统的应用研究

本文在商业DBMS的基础上，提出了一种基于粗糙集理论的模型．以利于信息不完备情况下的推理和决策问题的解决和研究。这种的模型可以很方便的根据给定的信息，在最符合实际的子系统上得出尽可能好的结论。     

一个面向大规模数据库的数据挖掘系统

数据挖掘融合了数据库技术、人工智能和统计学,是目前的研究热点.为了能够集成当前数据挖掘的主要技术并使它们协同工作,在进行数据挖掘基本算法研究的基础上研制开发了一个数据挖掘系统--Golden-Eye.系统实现了在数据挖掘研究中的一些最新成果,集成了泛化、数据清洗这两个数据准备操作以及关联规则发现、例外规则发现、时序模式发现、分类器构造、聚类分析等基本数据挖掘操作,并实现了对挖掘操作的基本管理和结果的图形化显示.整个框架设计充分体现了系统的完整性、协调性和高效性:自底向上将存储控制模块、数据预处理模块、挖掘操作模块、挖掘库管理模块有机地结合在一起,在底层实现了对包括中间结果在内的数据的统一管理,在上层为用户提供了可视化的界面.实验结果表明,该系统能够在大规模数据库上成功地完成用户所指定的数据挖掘操作.     

CIAS:一个客户智能分析数据挖掘平台

CIAS是将数据挖掘技术应用在CRM领域而开发的一个客户智能分析平台。它将数据挖掘划分为三个层次：算法层、商业逻辑层、行业应用层，构建了一种新型的数据挖掘系统体系结构。CIAS的商业逻辑层包括交叉销售、客户响应、客户细分、客户流失、客户利润，五个商业模型。通过在商业模型和挖掘算法之间建立映射，CIAS使得用户直接利用商业模型解决问题，而不是面对复杂的算法，从而提供友好、易用的数据挖掘应用环境。     

一种网格数据挖掘应用系统的设计

数据挖掘算法广泛地应用于数据分析。工业、科学和商业领域需要分析地理上分布的大量数据集,而网格能有效地提供高性能应用和分布式的基础设施。为了利用网格实现数据挖掘和知识表示,文中根据知识网格的概念,在GlobusToolkit的基础上,分析了知识网格的体系结构和它的主要组件,根据数据挖掘的过程设计了一种网格数据挖掘系统软件模型,并指出了该模型应提供的服务,这些服务会屏蔽所有关于网格底层的所有细节,使最终用户只关心知识发现的过程。     

Web日志挖掘中数据预处理技术的研究

在Web数据挖掘研究领域中,Web日志挖掘是一个极其重要的应用方面,而数据预处理技术在Web日志挖掘中又起到非常重要的作用.介绍Web日志文件的记录格式和Web日志挖掘预处理的一般过程,针对实际应用中遇到的问题提出一种解决方法,最后给出算法代码.     

对数据挖掘技术的探讨

进入信息社会以来，各类数据、信息急剧地增长，具有海量、冗余的性质，这时人们开始考虑：如何才能不被信息淹没，并且能从中及时发现有用的知识，以提高信息的利用率，而这个任务就落在数据挖掘的身上。数据中蕴涵着知识．数据挖掘正是从大量数据中提取或“挖掘”知识，从而实现从“数据→信息→知识”的过程，为各信息技术领域的发展提供强大的支持。在下文中，将对数据挖掘这种技术进行讨论．     

对数据挖掘技术的探讨

进入信息社会以来,各类数据、信息急剧地增长,具有海量、冗余的性质,这时人们开始考虑:如何才能不被信息淹没,并且能从中及时发现有用的知识,以提高信息的利用率,而这个任务就落在数据挖掘的身上。数据中蕴涵着知识,数据挖掘正是从大量数据中提取或“挖掘”知识[1],从而实现从“数据→信息→知识”的过程[2],为各信息技术领域的发展提供强大的支持。在下文中,将对数据挖掘这种技术进行讨论。     

一种面向数据挖掘预处理过程的领域知识的分类及表示

本文强调了领域知识应用于数据预处理过程的特点和意义，给出了面向数据预处理技术的领域知识的分类和表示，设计了面向数据预处理技术的领域知识的存储结构和将领域知识应用于数据预处理过程的算法．     

电信数据挖掘数据准备过程的规范化设计

从工程化实施电信数据挖掘项目的角度出发,在满足具体商业问题建模的数据要求前提下,对数据准备过程进行了结构化的分析和分解,提出一种规范化方法来约束宽表结构、源系统接口方式、数据预处理流程,并且预定义了相应的数据探索和数据准备过程,从源头改进电信数据挖掘项目的实施效率和质量。     

基于数据挖掘技术在电力系统中的研究

介绍了数据挖掘的基本概念和体系结构,在此基础上,结合电力系统的特点,分析了数据挖掘技术在电力系统领域的应用情况,并展望了其今后的发展趋势。