数据挖掘技术在医学领域中的应用

数据挖掘利用人工智能、机器学习、数理统计等方法从数据中提取有价值的信息给用户带来巨大的经济效益和社会效益。目前数据挖掘在医学方面的应用尚在起步阶段,随着该方法的普及,数据挖掘在医学上的应用将会得到更多的关注和重视。     

数据可视化在数据挖掘中的应用

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。     

大数据时代下数据挖掘技术在企业中的应用

本文针对大数据时代背景下,数据挖掘技术在企业中的实际应用进行研究。通过中国五矿管理与决策平台及全面风险管理系统的实践,建立了可灵活配置的基于统计分析方法的风险计量模型,并对模型的计量结果进行回测检验,可依据检验结果对模型进行调整优化。实现了对企业各类风险的量化监控、自动预警,并对未来一段时间市场潜在的风险进行预测分析,以提高企业经营决策能力和风险前防范水平。此外,本文对大数据的分析模式及分析的关键领域进行了深入研究,并对未来大数据在企业中的应用进行了展望。     

数据挖掘技术在医学领域中的应用

数据挖掘利用人工智能、机器学习、数理统计等方法从数据中提取有价值的信息给用户带采巨大的经济效益和社会效益.目前数据挖掘在医学方面的应用尚在起步阶段,随着该方法的普及,数据挖掘在医学上的应用将会得到更多的关注和重视.     

数据挖掘在流程工业中的应用研究

针对流程工业中连续性生产过程的时间序列特点,采用数据仓库进行数据集成,分析了数据挖掘技术在流程工业中的应用。     

数据挖掘技术在工业控制系统中的应用研究

数据挖掘技术是当今智能系统理论的重要研究内容,它综合运用人工智能、模式识别、数理统计等先进技术从大量数据挖掘中挖掘和发现有价值和隐含的知识。本文主要介绍数据挖掘技术的原理和方法,以及在工业控制系统中应用,包括被控变量选择、模糊控制规则挖掘、故障诊断等。     

数据挖掘技术在农业数据中的有效应用

农业信息系统的建立和大量农业数据的增长,人工获取知识和分析数据变得越来越难,需要对数据进行自动分析并获取知识。KDD和数据挖掘技术在农业中得到应用,由于农业领域本身的特点,通常的数据挖掘技术得不到有效应用。该文提出了几种对农业数据库进行知识发现的有效方法,并将知识发现方法与信息系统紧密结合。     

大数据时代下数据挖掘在银行中的应用

当今,随着计算机和网络的飞速发展,人们无论在工作中还是在日常生活中用到计算机的机会越来越多,由此产生的信息量也就越来越巨大,如此巨大的网络信息量,标志着人们已经进入了“大数据”时代。“大数据”时代下的信息具有体量大、高复杂性、增长速度快等特点,从具有如此复杂特性的信息中挖掘出用户所需要的信息,难度比以往要高了许多。特别对于银行这一行业,数据决定着它的未来发展。虽然有些银行可能还没有意识到数据爆炸性增长带来的问题,但是数据对于银行的重要性已经成为业界的共识。数据挖掘作为一种数据处理技术,在现如今数据量巨大的银行业领域中正逐步受到重视。     

大数据时代下数据挖掘在银行中的应用

当今,随着计算机和网络的飞速发展,人们无论在工作中还是在日常生活中用到计算机的机会越来越多,由此产生的信息量也就越来越巨大,如此巨大的网络信息量,标志着人们已经进入了"大数据"时代。"大数据"时代下的信息具有体量大、高复杂性、增长速度快等特点,从具有如此复杂特性的信息中挖掘出用户所需要的信息,难度比以往要高了许多。特别对于银行这一行业,数据决定着它的未来发展。虽然有些银行可能还没有意识到数据爆炸性增长带来的问题,但是数据对于银行的重要性已经成为业界的共识。数据挖掘作为一种数据处理技术,在现如今数据量巨大的银行业领域中正逐步受到重视。     

数据挖掘技术在农业数据中的有效应用

农业信息系统的建立和大量农业数据的增长,人工获取知识和分析数据变得越来越难,需要对数据进行自动分析并获取知识。KDD和数据挖掘技术在农业中得到应用,由于农业领域本身的特点,通常的数据挖掘技术得不到有效应用。该文提出了几种对农业数据库进行知识发现的有效方法,并将知识发现方法与信息系统紧密结合。     

数据挖掘中的数据预处理

1 引言数据挖掘(Data Mining,简称DM),也称为数据库中的知识发现KDD(Knowledge Discovery inDatabase),是近几年来随着数据库和人工智能发展起来的一门新兴的数据库技术。其处理对象是大量的日常业务数据,目的是为了从这些数据中抽取一些有价值的知识或信息。原始业务数据是知识和信息提取的源泉,对于数据挖掘就显得十分重要。目前所进行的关于数据挖掘的研究工作,大多着眼于数据挖掘算法的探讨,而忽视了对数据处理的研究。目前一些比较成     

流程工业中的数据挖掘建模与应用

数据挖掘是应用一系列技术从大型数据库或数据仓库中提取人们感兴趣的信息和知识,已在零售业得到了广泛的应用,却在流程过程中使用较少。针对某石化企业的连续重整过程,利用决策树归纳法,建立反应器温度波动模型,对实时数据进行预测,对于引起反应器温度波动较大的操作提出建议性的决策树规则,从而达到改善控制效果和提高装置运行平稳性的目的。     

数据挖掘技术在金融领域的应用研究

随着信息化的快速发展和中国金融业的日益繁重,数据挖掘技术作为一种前沿的信息处理技术被广泛应用与金融领域。数据挖掘的能够对金融业中海量的数据进行采集、转换、分析、统计从而给金融企业以决策支持,使得金融企业在激烈的竞争中掌握主动、给金融企业更广阔的发展空间。     

大数据时代的数据挖掘技术与应用

在大数据时代背景下,数据的价值逐渐凸显出来,而面对种类繁多、数量庞大的数据,传统的数据处理技术已经无法满足需求。数据挖掘技术在此背景下应运而生,并已广泛运用在教育、医疗、电信及科研等领域中。基于此,在介绍数据挖掘技术方法的基础上,对数据挖掘技术的具体应用进行了研究,同时提出了其未来的发展方向。     

数据挖掘中的数据预处理

该文讲述的是如何从现有的数据中获取新的知识,但是现有的数据中会存在不集中、杂乱,甚至还不完整数据.虽然使用数据挖掘机模型进行微调和开发还会出现一些杂音,但仍然可以从中获取到有用的数据,保证数据的质量.主要数据挖掘流程:获取数据、清洗数据、探索数据、建模数据、转换数据.     

复杂工业过程中数据挖掘模型研究

针对复杂工业过程中产生积累的大量数据，以新的视角分析了应用数据挖掘的基础和 数据特点，讨论了数据挖掘的基本思想，提出了集成数据挖掘的模型结构，为复杂工业过程 的监控开辟了一条新的途径并指出了要进一步研究的问题．     

高效数据挖掘算法在大规模数据集中的应用研究

在数据采集和信息获取技术的迅猛发展下,政府及各企事业单位都积累了大量的数据,过去简单化的查询方式以及统计技术已经不能适应当前对大数据处理的要求,不能在更高层次上,如:频繁项集、聚类、分类、离群点检测等进行分析。数据挖掘就是在这样迫切的形式之下才得到重视和凸显起来的。于此同时,数据挖掘与人工智能、Web、物联网等的紧密结合也得到了广泛的关注及应用。从大量的复杂的混合类型数据中发现有用的模式或知识是十分紧迫和有意义的,不仅在学术界得到重视,而且对国家和社会产业结构的调整和经济效益的提升做出很大的贡献。     

数据挖掘技术在移动通信业中的应用研究

介绍了数据挖掘技术在移动通信行业中的应用,从关键技术、体系结构、功能模块等方面进行了论述,这一技术的应用将有利于增强移动通信企业的市场竞争力。     

海量数据搜索

目前，信息化建设存在的问题是：数据信息利用不充分，大量的数据仅以物理状态被简单地存储着。同时由于无法实现海量数据的高效搜索，使得这些数据无法为企业的发展提供决策支持。如何突破海量数据存储和搜索的瓶颈，让数据为企业决策提供支持已经成为信息化建设的重点。通过数据“变革”使得数据能够更合理的存储、更高效的搜索，智能地使用企业的数据财产来制定出更好的商务决策，以提高企业的竞争力。     

数据挖掘中的半结构化数据

半结构化数据是网络中一种重要的数据形式,也是进行数据挖掘的重要基础。因此要对Internet上巨量的数据进行数据挖掘,半结构化数据及模型是前提。本文介绍了半结构化数据的相关概念及其数据模型。