共查询到19条相似文献,搜索用时 93 毫秒
1.
软件工程数据挖掘研究进展 总被引:5,自引:0,他引:5
随着计算机软件的规模不断扩大,手工获取、开发和维护软件所需的信息越来越困难。数据挖掘技术可从软件工程数据中自动发现所需信息,加快软件开发进程。对软件工程数据挖掘的研究进展进行了综述。概述了软件工程数据挖掘的基本概念与技术挑战;详细评述了在软件工程各个阶段,数据挖掘技术所能发现的信息/知识,以及获取这些信息/知识的意义、难点、步骤和方法,重点介绍了数据预处理和数据表示方法;对软件工程数据挖掘研究的发展趋势进行了展望。 相似文献
2.
介绍了电信企业数据挖掘的若干主题及常用数据挖掘模型;利用数据挖掘工具KXEN,采用K-means聚类方法给出了一个电信客户分群的解决方案。 相似文献
3.
从数据库技术角度出发,对空间数据挖掘查询的数据库支持技术和空间数据挖掘系统与GIS数据库的集成技术进行了研究;首先介绍了空间数据挖掘与GIS的关系,及目前在该领域存在的一些问题和缺陷;然后提出了一种支持空间数据挖掘查询的索引和数据访问方法——距离方向连接索引(Distance-Direction associated Join Indices,DDJI),并给出了基于这种索引技术的空间数据挖掘算法及实现技术,研究了基于DDJI的各种空间数据挖掘算法的统一实现技术;实验研究证明,与传统方法相比,DDJI的实现方法在性能上具有较大优势。 相似文献
4.
5.
王艳 《数字社区&智能家居》2012,(7X):5261-5263
数据挖掘是当前数据库和信息决策领域的最前沿研究方向之一。该文从知识发现和数据挖掘的概念出发,总结了数据挖掘常采用的技术方法,同时对数据挖掘的应用及发展进行了阐述。该文以一个淘宝网行业的数据挖掘案例探讨了数据挖掘在网络经济下工商的应用;从技术和商业需求两个方面分别研究了数据挖掘商务应用的可行性,并指出因竞争战略的细化导致了对数据挖掘的商业需求。 相似文献
6.
7.
数据挖掘:建模、算法、应用和系统 总被引:6,自引:0,他引:6
数据挖掘是20世纪末逐渐形成的一个多学科交叉领域,目前已经广泛成功地应用在金融、零售、医药、通讯、电子工程、航空、旅馆等有大量数据和深度分析需求的领域。文中对数据挖掘的建模、算法、应用和软件工具进行了综述,给出了数据挖掘的定义、范畴和特点,以及数据挖掘的数据集的各种实际情况;总结了数据挖掘在实际应用时的基本步骤和过程;对数据挖掘在各种应用问题上的任务和建模进行了讨论;列举了目前数据挖掘领域中主要流行的算法,并对算法设计需要考虑的问题进行了简要的分析;综述了目前数据挖掘算法在一些领域的应用;较全面地叙述了目前数据挖掘软件工具性能及其开发商情况;最后,对数据挖掘的发展前景和方向进行了展望。 相似文献
8.
王镇西 《数字社区&智能家居》2009,(35)
高等学校教学质量管理需要数据挖掘系统来支持。介绍了数据挖掘技术以及常用的数据挖掘方法,对如何设计基于SQL Server的高校教学质量数据挖掘系统进行了探讨。以决策树方法为基础、SQL Server为挖掘平台,设计了教学质量数据挖掘模块,实现了教学质量数据挖掘系统。 相似文献
9.
数据挖掘是当前热门的数据处理技术。本文介绍了数据挖掘概念、数据挖掘过程及数据挖掘系统的体系框架与结构,阐述了数据挖掘的方法,并对数据挖掘应用进行了简单的介绍。 相似文献
10.
针对现有网络异常数据检测方法存在异常数据挖掘精准度较低的问题,本文设计基于人工智能(Artificial Intelligence,AI)的计算机网络异常数据挖掘方法。确定出网络异常数据属性集,全方位分析计算机网络数据;在属性集中提取出计算机网络异常因子,分析异常数据的特点;利用AI技术构建异常数据挖掘模型,在缩短数据挖掘时间的基础上,提高数据挖掘精准度,进而得到更加有效的计算机网络异常数据。采用对比实验的方式,验证了该方法的数据挖掘精准度更高,网络运行可靠性更强,极具推广价值。 相似文献
11.
华铨平 《计算机工程与设计》2010,31(6)
在众多提高数据挖掘效率的方法中,并行数据挖掘是一个从根本上解决该问题的有效途径.首先指出在数据挖掘过程中,不论采用顺序挖掘还是并行挖掘,都必须以数据挖掘的最终目的为前提,即尽可能多地发现数据中所含有的有用的知识,然后在此基础上提高数据挖掘的较率.在该想法基础上,提出了面向数据特征的数据划分过程,并进一步提出了加权式的并行数据挖掘基本方法.在这种数据挖掘过程中,可以得到相对于部分数据的知识,在很大程度上提高了数据挖掘的动态性能. 相似文献
12.
13.
14.
Xin-Dong Wu 《计算机科学技术学报》2009,24(6):1018-1027
Due to the increasing availability and sophistication of data recording techniques, multiple information sources and distributed
computing are becoming the important trends of modern information systems. Many applications such as security informatics
and social computing require a ubiquitous data analysis platform so that decisions can be made rapidly under distributed and
dynamic system environments. Although data mining has now been popularly used to achieve such goals, building a data mining
system is, however, a nontrivial task, which may require a complete understanding on numerous data mining techniques as well
as solid programming skills. Employing agent techniques for data analysis thus becomes increasingly important, especially
for users not familiar with engineering and computational sciences, to implement an effective ubiquitous mining platform.
Such data mining agents should, in practice, be intelligent, complete, and compact. In this paper, we present an interactive
data mining agent — OIDM (online interactive data mining), which provides three categories (classification, association analysis,
and clustering) of data mining tools, and interacts with the user to facilitate the mining process. The interactive mining
is accomplished through interviewing the user about the data mining task to gain efficient and intelligent data mining control.
OIDM can help users find appropriate mining algorithms, refine and compare the mining process, and finally achieve the best
mining results. Such interactive data mining agent techniques provide alternative solutions to rapidly deploy data mining
techniques to broader areas of data intelligence and knowledge informatics. 相似文献
15.
16.
17.
18.
数据挖掘过程的多维视图 总被引:3,自引:0,他引:3
数据挖掘(DM)是非常具有挑战性的工作,数据挖掘过程是多个因素耦合的决策问题。讨论了当前流行的DM过程CRISPDM和SEMMA的不同之处及优缺点。从机器学习、统计和数据质量角度对挖掘有效性作了讨论,认为一个真正高效的过程应该面向算法,强调探索,以挖掘出高可靠性的具有商业价值的知识目标,并紧跟技术的发展。给出数据挖掘过程的多维视图,将算法分解为组件维、模型维和过程维等维度,以此提出新的DM过程的框架。 相似文献
19.
数据可视化在数据挖掘中的应用 总被引:2,自引:0,他引:2
数据挖掘是从大量历史数据中抽取潜在的、有价值的知识或规则的过程。数据可视化对于快速分析数据,表示高维数据方面非常直观、有效。本文首先讨论了几种可视化技术,随后就数据可视化在数据挖掘的模型、过程中的应用进行探讨。 相似文献