一种基于Web服务数据挖掘引擎的设计与实现

数据挖掘是通过对每个数据进行仔细的分析,在大量的数据中发现其中蕴藏的规律的一种技术,数据挖掘又名知识发现,它是一个系统的过程,知识发现包括三个部分:数据准备、数据挖掘和结果分析及解释。不同的挖掘任务由不同的功能模块组成,同一个挖掘任务,功能模块的组成也不同。本文以Web服务数据作为基础,设计了一种新的挖掘引擎,将数据服务和管理引入挖掘引擎中。     

数据挖掘研究及其应用

数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中具有潜在利用价值的信息和知识的过程,包括从数据库中发现知识(KDD)、数据分析、数据融合(Data Fusion)以及决策支持。目前,数据挖掘和知识发现(DMKD)的研究主要集中在以下几方面:研究专门用于知识发现的数据挖掘语言;寻求数据挖掘过程中的可视化方法,实现知识发现过程中的人机交互;研究在网络环境下的数据挖掘;对各种非结构化数据进行挖掘的方法研究。 数据挖掘已广泛应用于金融保险、零售批发、公共设施、政府教育、远程通讯、软件开发…     

基于数据挖掘的试验数据利用研究

本文针对设备在试验过程中都会产生并积累大量的原始数据、过程数据及数据类型的复杂性等问题，提出采用数据挖掘的方法对试验数据进行知识和信息的挖掘，给出了试验数据挖掘流程及采用决策树方法进行数据挖掘实例，对试验数据的有效利用起到了较好的支撑作用。     

Web挖掘技术及在电商ERP中的应用

数据丰富而知识贫乏导致了知识发现和数据挖掘领域的出现,基于Web的数据挖掘,是从Web海量的数据中自动、智能地抽取隐藏于这些数据中的知识。文章主要介绍了Web挖掘的概念和技术,最后阐述了Web挖掘在电子商务ERP中的应用。     

基于数据融合和数据挖掘技术的网络取证体系的研究

数据融合技术能利用不同传感数据的冗余信息实现互补以提高信息处理的正确性。数据挖掘技术能从大量数据中挖掘和发现有价值和隐含的知识,用于建模和优化。在分析了网络取证在网络安全领域的重要作用的基础上,结合数据融合和数据挖掘技术对网络取证系统进行了研究,并阐述其功能和组成、数据融合和推理决策的过程。     

应用Aprion算法实现大规模数据库关联规则挖掘的技术研究

随着信息技术的发展,大数据时代的到来,在这种环境下必须进行数据挖掘工作。从大量的应用数据中将潜在的有价值的知识和信息挖掘出来,以便将其应用在实际工作的改进中。目前,数据挖掘的方法有很多,其中关联规则挖掘技术应用比较广泛,这种数据挖掘方式利用Aprion算法,挖掘出置信度和支持度均比较高的关联信息,反映出数据库中的数据相互之间的复杂性和有趣性,进而挖掘出数据之间的有益关联,促进大规模数据库信息挖掘技术的发展,主要从Aprion算法方面分析大规模数据库关联规则挖掘的技术。     

基于数据挖掘技术的保护设备故障信息管理与分析系统

随着数据库技术和人工智能技术的不断进步,数据挖掘技术逐步发展起来,作为当前计算机信息技术中的一项较为新兴的技术,综合运用了数理统计、模式识别、计算智能、人工智能等多项先进技术,主要是从大量的数据中来发现和挖掘一些隐含的有价值的知识,从大型的数据库数据中挖掘一些人们比较感兴趣的知识,本文主要讲了数据挖掘技术的概念、数据挖掘技术在保护设备故障信息中的实现方法以及数据挖掘技术保护设备故障信息管理的基本功能等问题。     

数据挖掘知识简介

正引言随着网络、数据库技术的迅速发展以及数据库管理系统的广泛应用,人们积累的数据越来越多。数据挖掘(Data Mining)就是从大量的实际应用数据中提取隐含信息和知识,它利用了数据库、人工智能和数理统计等多方面的技术,是一类深层次的数据分析方法。本文从数据挖掘的产生背景,国内外发展趋势,主要挖掘方法及挖掘过程等方面作一介绍。1.产生背景1989年8月,在美国底特律召开的第11届     

软件工程数据挖掘研究进展

随着计算机技术的不断发展,数据挖掘也在得到不断的应用和发展。数据挖掘指的是通过对海量数据进行集中,并从中发现或提取有价值的信息或知识的一个过程。软件工程数据挖掘技术是属于数据挖掘技术的一个十分重要的分支,但是本身又有与传统的数据挖掘技术有所区别,具有自身的特殊性。本文对软件工程数据技术挖掘进行了概述,并分析了其发展当中所面临的任务以及挑战,并提出了一些解决的方法,希望软件工程数据挖据技术能够更好地为人类的进步发展服务。     

基于数据挖掘对影响电影票房因素的浅析

数据挖掘是指从大量的数据中通过数据挖掘算法挖掘知识的过程.数据挖掘技术的发展及其应用的广度和深度,极大地影响着人类社会发展的进程.正确快捷地使用数据挖掘与处理技术,可以使人们的生活由繁变简.本文针对电影行业,应用数据挖掘软件中机器学习的经典算法,对于电影的票房和评分的影响因素进行了探索.     

计算机数据挖掘技术的开发与应用

本文主要以计算机数据挖掘技术的开发与应用分析为重点进行阐述,首先分析计算机数据挖掘技术和大数据之间的关联,其次介绍计算机挖掘技术的开发措施,最后从市场营销过程中应用挖掘技术、金融投资过程中应用数据挖掘技术、人事管理过程中应用数据挖掘技术、信息档案开发管理过程中应用数据挖掘技术、在网络病毒防御系统开发中应用数据挖掘技术几个方面深入说明并探讨计算机数据挖掘技术的应用途径,旨意在为相关研究提供参考资料。     

基于Web数据挖掘技术研究

Web数据挖掘是数据挖掘中的一个新的重要研究领域。介绍了基于Web的数据挖掘的概念与特点,对Web挖掘的主要内容进行了阐述,提出了Web挖掘中常用的解决方法以及数据挖掘的过程。同时,对数据挖掘过程中面临的问题进行了分析和研究,提出了相应的解决方案并且举例进行了证明。     

数据挖掘技术在Web环境下的应用

数据挖掘和World Wide Web是当前计算机科学两个重要的研究领域,将二者结合起来就形成了新的研究领域Web数据挖掘。Web数据挖掘是从WWW上发现和分析有用的信息,帮助人们从WWW中提取知识,改进站点设计,提供个性化服务。本文侧重于Web挖掘系统自身的构建,建立了一个基于数据挖掘技术的Web挖掘系统的原型Web_Dins,为了提供一个实用的Web挖掘工具的模型,帮助人们更有效地从Web上获取知识。最后本文以股票系统为例简要介绍Web挖掘系统原型在实际领域中的一种应用。     

基于关联规则的医生诊疗数据挖掘系统的实现

数据挖掘是从存放在数据库、数据仓库或其他信息库中的大量数据中挖掘有用知识的过程,它是一个新兴的边缘学科,其应用领域非常广泛,并且具有良好的应用前景。课题使用JAVA语言、ORM数据访问接口和XML技术设计了跨平台运行、多线程并发处理、架构灵活、支持增量同步更新的数据挖掘系统模型ARFDW和实现方案。     

组态软件实时数据库的数据自动挖掘算法

组态软件实时数据库中的数据存在缺失值、重复值等问题,导致在数据自动挖掘过程中所需时间较长、效率降低,因此提出组态软件实时数据库的数据自动挖掘算法。采集组态软件实时数据库内的数据,根据该数据结果,设定在数据挖掘的过程中项目内、外部效用的乘积为项目的事务效用,根据该事务效用提取数据的特征;将收集到的数据特征节点平移,设定坐标原点和数据挖掘的数量,得到自动挖掘数据信息的结果,完成组态软件实时数据库的数据自动挖掘研究。实验结果表明,组态软件实时数据库的数据自动挖掘算法的挖掘时间较短,提高了挖掘效率,证明了所提算法的有效性。     

林业数据挖掘与可视化的应用分析

将数据挖掘与可视化技术应用于林业发展中,不但可以对大量数据进行分析、处理,而且将更多的隐性信息与知识挖掘出来,给林业发展与规划提供更多有价值的参考数据,这两项技术在林业的发展中占据着重要的位置。文章首先阐述了可视化在数据挖掘中发挥的作用,然后结合林业资源数据的特点,在可视化数据挖掘的基础上,对林业信息进行综合分析。最后,由原型系统的开发引出林业数据可视化挖掘的初步实现。     

主数据驱动视角下多源数据数字化挖掘系统设计

多源数据挖掘过程中,由于缺少参数分析,导致数据挖掘不完整且精准度较低,为了解决这类问题,提出主数据管理驱动下多源数据数字化挖掘方法.分析主数据管理驱动挖掘原理,通过适配器驱动模块传递数据,借助接口器支配与处理数据.使用克里格数据挖掘算法调整参数并处理"脏数据"后,设计数据挖掘流程.实验结果显示,主数据管理驱动挖掘方法挖...     

Web网络中的离群数据挖掘技术研究与改进

离散数据在Web网络中分布较广,是造成数据挖掘有用信息容量低的主要原因。霍金斯离散数据挖掘方法自提出以来获得了很高的成就,但仍存在挖掘数据分类性能不高的缺点,在此,使用BP神经网络对其进行改进。霍金斯离散数据挖掘方法分离散数据扫描和离散信息挖掘两个步骤进行,所提改进方法通过优化原方法中离散数据的排序规律,挖掘最优BP神经网络连接节点权值集群,改进离散数据集群的正确分区能力,降低离散信息挖掘过程的时空复杂度,提高原方法的分类精度和分类效率。实验结果表明,所提改进方法在Web网络离散数据中能获取高度可靠的挖掘结果。     

Apriori算法在无线网络数据智能挖掘中的应用

为解决传统挖掘方法进行数据挖掘时,存在规定时间范围内数据挖掘量少,导致挖掘效率不高的问题,提出Apriori算法在无线网络数据智能挖掘中的应用研究.通过数据挖掘关联规则设计、基于Apriori算法的无线网络数据文本分类和无线网络数据离群点智能过滤,实现无线网络数据智能挖掘.通过实验证明,所提挖掘方法与传统方法相比挖掘效率得到明显提升.     

基于关联规则的数据挖掘算法的分析及应用

数据挖掘就是从大量的数据中挖掘出有用的信息。数据挖掘与传统的数据分析的本质区别是数据挖掘是在没有明确假设的前提下去挖掘信息、发现知识。文章分析了数据挖掘算法的关联规则特性,对其在股票市场中的应用进行了重点,以便更好的应用在更多的领域。