数据挖掘工具的分类与挖掘

随着数据挖掘技术的发展,各种各样的数据挖掘工具不断开发出来,如何把握这些工具的功能、挖掘技术和未来发展趋势,是一个非常困难的事情。文中借助数据挖掘技术提出了数据挖掘软件工具的一个多维立方体分类模型,给出了一个具体分类实例,总结出数据挖掘工具的技术发展路线和未来发展趋势,并通过对三个不同阶段的数据挖掘工具的深入比较,进一步验证了文中的结论。     

数据挖掘技术及其在过程监控中的应用

数据挖掘技术作为一个新兴的技术在许多领域都有成功的应用，本文从数据挖掘的定义、数据挖掘技术的分类以及数据挖掘技术的发展和发掘工具三个方面对数据挖掘技术做了概述，并对数据挖掘技术在过程监控中的应用进行了探讨。     

Web数据挖掘分析

国际互联网的广泛应用使得数据挖掘技术在Web数据挖掘得到了最大的发展，文章就Web数据挖掘技术的存储数据源、分类、实现技术作了详细的阐述，并介绍了一些实用的Web挖掘工具，对Web数据挖掘进行了探讨和分析，并指出了国内外的发展趋势和待解决的问题。     

数据挖掘工具的应用与标准化

介绍了数据挖掘概念,给出了目前数据挖掘工具的主要分类及存在的问题,探讨了数据挖掘语言的发展对数据挖掘工具标准化的推 动作用,并对数据挖掘工具未来的发展进行了展望。     

数据挖掘技术研究

数据挖掘是近年来数据库领域中出现的一个新兴研究热点。数据挖掘是对数据库数据的统计分析，其基础是人工智能。阐述了数据挖掘技术的背景，就数据挖掘的主要分析技术进行了研究和分类。介绍了目前数据挖掘常用的技术及数据挖掘过程，指出了数据挖掘技术未来的发展方向。     

数据挖掘的发展和应用综述

本文介绍了数据挖掘的分类方法和目前采用较普遍的一些数据挖掘方法;分析、总结了数据挖掘技术在商业、Web挖掘、科学研究等几个主要领域的应用情况;综合论述了数据挖掘未来的发展趋势.     

Web数据挖掘分析

国际互联网的广泛应用使得数据挖掘技术在Web数据挖掘得到了最大的发展,文章就Web数据挖掘技术的存储数据源、分类、实现技术作了详细的阐述,并介绍了一些实用的Web挖掘工具,对Web数据挖掘进行了探讨和分析,并指出了国内外的发展趋势和待解决的问题。     

数据挖掘技术在经营分析系统中的应用

数据挖掘技术是对海量数据进行分析和信息提取的重要工具。本文首先介绍了数据挖掘的基本概念和相关知识。然后结合电信的具体行业特点,建立了一个基于数据挖掘的系统(MDMS),并对该系统的结构、模块组成等问题进行了深入的讨论。文中详细介绍了该系统中关联规则挖掘技术、分类模型挖掘技术和聚类分析技术等关键技术的实现。最终对该系统在电信运营过程中所起的作用作了一个总评。     

面向隐私保护的数据挖掘技术研究

隐私与安全是数据挖掘中一个越来越重要的问胚。隐私与安全问胚的解决能破坏图谋不轨的挖掘工程。文中研究了数据挖掘中隐私保护技术的发展现状，总结出了隐私保护技术的分类，详细讨论了隐私保护技术中最重要的隐私保持技术，最后得出了隐私保护技术算法的评估指标。     

浅析数据挖掘中的隐私保护

隐私保护是数据挖掘中一个重要的研究方向,如何在不违反隐私规定的情况下,利用数据挖掘工具发现有意义的知识是一个热点问题。本文介绍了数据挖掘中隐私保护的现状,着重介绍目前数据挖掘中的隐私保护问题以及隐私保护技术的研究情况。最后展望隐私保护未来的发展方向。     

Web数据挖掘中的增量挖掘

为了高效及时地处理频繁新增的数据，在Web挖掘中引入增量挖掘的方法，并给出了一个Web关联规则增量挖掘的有效算法。     

Ubiquitous Mining with Interactive Data Mining Agents

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.     

Web数据挖掘与挖掘算法探讨

本文介绍了Web数据挖掘的概念及其分类,并对Web数据挖掘技术的研究进行概述。利用Apriori算法发现频繁集,找到页面间的关联规则。针对网页超链接结构的特点：一条超链接只能建立在两个网页上,发现频繁集只要找出所有2-项集即可,从而提出网页超链接挖掘的NApriori算法。NApriori算法显著提高了Apriori算法的效率。     

Mining With Noise Knowledge: Error-Aware Data Mining

Real-world data mining deals with noisy information sources where data collection inaccuracy, device limitations, data transmission and discretization errors, or man-made perturbations frequently result in imprecise or vague data. Two common practices are to adopt either data cleansing approaches to enhance the data consistency or simply take noisy data as quality sources and feed them into the data mining algorithms. Either way may substantially sacrifice the mining performance. In this paper, we consider an error-aware (EA) data mining design, which takes advantage of statistical error information (such as noise level and noise distribution) to improve data mining results. We assume that such noise knowledge is available in advance, and we propose a solution to incorporate it into the mining process. More specifically, we use noise knowledge to restore original data distributions, which are further used to rectify the model built from noise- corrupted data. We materialize this concept by the proposed EA naive Bayes classification algorithm. Experimental comparisons on real-world datasets will demonstrate the effectiveness of this design.     

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。     

Text Mining

Zusammenfassung Im Blickpunkt dieses Artikels stehen die Funktionsweise und die Einsatzpotenziale des Text Mining. Text Mining läuft in einem mehrstufigen Prozess ab, dessen einzelne Schritte knapp vorgestellt werden. Der Fokus liegt hierbei auf der Datenaufbereitung, bei der mittels Techniken des Natural Language Processing Terme aus den zugrunde liegenden Texten extrahiert werden.     

Web数据挖掘

Web Mining is an important branch in Data Mining.It attracts more research interest for rapidly developing Internet. Web Mining includes(1)Web Content Mining;(g)Web Usage Mining;(3) Web structure Mining.In this paper we define Web Mining and present an overview of the various research issues,techniques and development efforts.