专家寄语

随着大数据时代的到来,数据挖掘迎来了自己的黄金时代.各行各业都已经积累了大量数据,急需从中即提取或“挖掘”出有用的潜在知识,为相关行业和学科提供更加科学合理的服务.由此,数据挖掘吸引了越来越多不同领域的研究学者,涉及机器学习、模式识别、数据库、数学、统计学、物理学、生物信息学、中文信息处理等不同的学科.为了给数据挖掘的同行提供一个公开交流的机会,中国计算机学会组织了两年一届的数据挖掘学术会议.2014年中国数据挖掘学术会议在浙江金华浙江师范大学成功举办.     

关联规则算法在成绩分析中的应用研究——以高中学生的考试成绩为例

介绍了数据挖掘中的关联规则算法,并用关联规则算法挖掘学生的考试成绩,找出学生各科考试成绩之间的联系,对教师提出了相关学科应该兼顾的原则,从而提高教学质量。     

数据挖掘算法微课程教学设计研究

微课程建设是构建学习型社会的重要内容之一。根据数据挖掘课程学科交叉性强、知识点难度高、主题模块明确的特点,设置了以算法为微课主题的数据挖掘微课程设计方案。以Apriori关联规则算法为例,从内容选择、设计思路、实现方法方面阐述微课程的开发与制作流程。从教学实践效果可知,该微课程能提高学生的学习兴趣和自主学习能力,不仅为数据挖掘课程提供辅助资源,同时,也为其他程序设计类课程的教学设计提供思路。     

一种模糊多层关联规则挖掘算法

针对传统数据挖掘中的“尖锐边界”问题,采用将模糊理论和关联规则挖掘技术相结合的思想,在改进传统Apriori算法的基础上,结合多层关联规则挖掘的方法,提出了一种模糊多层关联规则挖掘算法。对模糊多层关联规则挖掘的基本概念进行了定义,详细描述了模糊多层关联规则挖掘算法。最后用Visual FoxPro6．0语言实现了该算法程序,通过交易数据库挖掘实验表明算法是有效的。     

一种用于数据挖掘的二进制挖掘算法

提出了一种用于数据挖掘的二进制挖掘算法,适用于大型数据仓库的挖掘与分析,其基本原理是运用二进制逻辑“与”运算,从其多属性值域中抽取关键信息,形成决策规则。此方法原理简单、挖掘效率高、适应性强,对电力系统的数据挖掘具有重要的作用。     

数据挖掘算法在医疗管理中的应用研究

数据挖掘是从海量数据当中挖掘出有价值知识的过程,统计学、机器学习、方式辨识、数据库等学科是数据挖掘的技术来源。文章主要阐述了数据挖掘算法的相关知识,分析了完成数据挖掘的核心技术,尤其是决策树算法,并对数据挖掘在医疗管理中的运用进行了研究,希望能为管理者对医疗管理数据的深入挖掘提供一些参考。     

一种实用的软件数据挖掘模型

文中提出了一种将数据挖掘应用于软件工程学中的模型,数据挖掘是一个涉及多领域的交叉学科,它拥有许多成熟的技术。其中,基于“部分重复性”理论的挖掘方法便是数据挖掘的重要技术之一。在对复杂数据的处理过程中,“部分重复性”理论通过建立“中心函数”、“浮动域”和“正确度”指标,提供了一种分类优劣的评价标准。与传统方法相比较,这种方法更加直观、更加高效、更加易于实现,而且能够发现有价值的知识模式。     

空间数据挖掘方法分析

空间数据挖掘是数据挖掘与空间数据库相结合的产物．由于空间数据的复杂性特点使得空间数据挖掘比一般数据挖掘要复杂得多。本文从挖掘任务和挖掘方法的角度,重点分析了空间分类、空间聚类以及空间关联规则三种挖掘方法,指出它们的优缺点和适用的问题空间,最后指明空间数据挖掘需要在挖掘精度、算法效率、数据挖掘方法和任务的多样性以及数据挖掘的不确定性等方面进一步完善。     

关联规则挖掘算法介绍

数据挖掘是一个多学科交叉融合而形成的新兴的学科,它利用各种分析工具在海量数据中发现模型和数据间的关系。而在大规模事务数据库中,挖掘关联规则是数据挖掘领域的一个非常重要的研究课题。文中介绍了关联规则挖掘的研究情况,描述了经典Apriori算法的实现,并对该算法进行了分析和评价,指出了其不足和原因。描述了FP树挖掘最大频繁项集的算法,通过实例对该算法进行了性能评估,并得到结论:数据库中潜在的最大频繁模式越多,运行时间越长。     

多层次关联规则的有效挖掘算法

数据挖掘(Data Mining)被认为是解决“数据爆炸”和“数据丰富，信息贫乏(Data Rich and Information Poor)”的一种有效方法.关联规则(Association Rules)是数据挖掘的重要研究内容.提出了多层次关联规则的挖掘算法——AR_SET，利用集合“或”、“与”运算求解频繁模式(Frequent Itemset)，提高了挖掘的效率和速度.实验结果表明,算法AR_SET是有效的,并对AR_SET算法的几个变种进行了讨论.     

大数据背景下的数据挖掘课程教学新思考

当今社会已经步入大数据时代,数据挖掘已经成为商业、医疗、制造业和政务管理等应用领域的重要技术,具有十分重要的社会价值。数据挖掘课程综合了多门学科知识,其教学设计和教学方式直接影响到教学效果和人才培养的质量。针对大数据的特点,以构建课程核心知识体系为主题,采用案例教学法,改革传统的教学评价方式,理论结合实践进行了研究生数据挖掘课程教学创新尝试,其教学达到了预期效果,受到学生好评。     

基于SQL Server的高校教学质量数据挖掘

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。     

智能型元搜索引擎的设计与实现

研究现有元搜索引擎技术，提出了智能型元搜索引擎模型，即采用数据挖掘技术，根据独立型搜索引擎工作情况的记录，动态生成元搜索引擎的调度策略。在对各数据挖掘方法进行比较之后，选择了决策树归纳分类分析技术生成元搜索引擎调用策略，并详细介绍了调度策略的处理过程、系统评估度量的建立以及用微软最近发布的OLE DB for DM数据挖掘通用接口进行数据挖掘的具体实现。     

数据挖掘在教学中的应用

描述数据挖掘的概念和特点，并着重讨论数据挖掘的方法、任务，从教学的实际情况出发，阐述利用数据挖掘技术在教学中带来的指导作用。     

浅谈数据挖掘技术在院校教育信息化中的应用

作为一种新兴的数据处理技术,数据挖掘在许多领域得到广泛应用。文章从数据挖掘的概念出发,概述了数据挖掘的主要功能和数据挖掘的过程,并从教学管理,教学评价,课程设置,教学方法选择等方面对数据挖掘在院校教育信息化中的应用进行了论述。     

中医诊疗决策支持系统中的OLAP与DM融合

提出了一种基于数据仓库、在线分析处理及数据挖掘的中医诊疗决策支持系统的解决方窠，该方案很好地融合了中医个体化诊疗的特点。结合实际应用详细讨论了中医诊疗数据仓库建立、OLAP实现的关健问题和数据挖掘的应用主题，设计了集成化的中医诊疗决策支持系统的3层体系结构，同时给出了实现案例。     

分布式环境下保持隐私的聚类挖掘算法

隐私保护是数据挖掘中一个重要的研究方向。针对如何在不共享精确数据的条件下,应用k-平均聚类算法从数据中发现有意义知识的问题,提出了一种基于安全多方计算的算法。算法利用半可信第三方参与下的安全求平均值协议,实现了在分布式数据中进行k-平均聚类挖掘时隐私保护的要求。实验表明算法能很好的隐藏数据,保护隐私信息,且对聚类的结果没有影响。     

基于本体的数据挖掘技术应用于商务智能中的实际应用

首先阐述了挖掘技术与商务智能的含义,指出了数据挖掘技术应用在商务智能中的意义,结合新时期我国各大企业的发展实际,对基于本体的数据挖掘技术应用在商务智能中的实际情况进行了分析,旨在利用数据挖掘技术,发挥出企业商务智能系统的优势,提高企业核心竞争力,促进企业长远发展。     

数据挖掘在个性化学习系统中的运用

介绍了一种个性化学习系统，它是远程教育的一种新模式。它针对不同学生的个体差异，为学生提供不同的学习资料。个性化的基础是记录学生的学习过程及学习结果，并对这些数据进行挖掘，分析出学生的个性化特征。该系统就是通过运用数据挖掘技术来研究学生的个性，制订适合学生个性的学习内容，为学生提供个性化服务。数据挖掘技术在网上学习系统中的应用提高了学习系统的个性化服务水平，为系统的决策分析提供了智能的辅助手段。     

数据挖掘技术在学校管理中的应用

数据挖掘技术是一门多学科相互交叉融合而形成的新兴学科。目前,该技术已在商业、金融业、农业、互联网、医药业等多个领域中得到广泛应用。而将数据挖掘技术与学校管理相结合,可以从大量事务管理数据中提取出了隐藏在其中的有用信息,因此可以帮助教学人员合理安排教学工作,协助辅导员对学生的管理,从而促进教育体制的进一步完善与发展。本文由数据挖掘技术概述入手,论述了数据挖掘技术在学校管理中的作用,最后,将数据挖掘技术应用在学生成绩管理中,可以实现透过现象看本质,提炼有价值的信息。