数据挖掘技术在学生成绩分析中的应用

数据挖掘是数据的深层次分析方法。将数据挖掘技术应用于学生成绩分析,可以发现学生成绩内在的特性和隐藏的状况。运用标准化数据预处理、数据聚类算法等一系列数据挖掘方法,对比传统的排序,提出了学生成绩分析的一些新思路,为发现问题、调整教学策略、有效提升成绩提供数据支撑。     

多源遥感数据挖掘系统技术框架

陆地资源卫星源源不断地把遥感数据传输至地面，卫星地面接收站积累了海量的卫星遥感数据。遗憾的是，由于缺乏针对遥感数据的有效的数据挖掘和知识发现技术，致使遥感数据中的绝大部分信息没有得到充分的利用。对传统的数据挖掘和知识发现技术进行技术革新和改造，研究针对多源遥感图像的数据挖掘和知识发现技术，不仅可以提高遥感解译的自动化和智能化水平，而且可最大限度地开发和利用遥感信息。为了能允分利用遥感数据，在传统数据挖掘和知识发现技术的基础上，首先探讨了遥感数据挖掘和知识发现的技术流程，然后设计了多源遥感图像数据挖掘系统框架，最后提出了多源遥感图像数据挖掘系统的原型，从而为进一步开发和研制多源遥感数据挖掘系统奠定了技术基础。     

科学数据挖掘网格服务框架*

在分析科学数据网格环境下数据挖掘之特点的基础上,提出了科学数据挖掘网格服务框架.科学数据挖掘网格服务以网格服务的形式提供了科学数据网格环境下的数据挖掘解决方案.与传统的数据挖掘系统相比,科学数据挖掘网格服务具有诸多优点,更适合科学数据网格和科学数据库环境.目前已经实际应用于几个数据库中,不仅具有简单的查询检索功能,而且可以进行数据统计分析及知识发现,进一步提高了科学数据网格服务的水平.     

基于数据抽取器的知识发现处理模型

提出了基于数据抽取器的知识发现模型。在模型中,将知识发现过程分成数据预处理、数据抽取、数据挖掘和结果分析四个阶段。该模型利用标准的SQL语言构造数据抽取器,为不同的学习算法准备数据,减少数据挖掘算法对数据库直接调用的次数,避免了直接对大型数据库的数据进行调用,使得对大型数据库进行快速数据挖掘成为可能。可以加快知识发现过程,提高数据挖掘效率,实现对于大型数据库的知识发现。最后设计了SQL-C4．5算法,该算法实现了利用数据抽取器为决策树算法C4．5抽取必要的统计数据,实现了C4．5决策树的构建。     

符号化近似SAX在时序数据挖掘中的应用研究

聚类是数据挖掘研究中最常见的一种方法,可以作为规则发现、异常发现等其它数据挖掘操作的基础,一直以来都是数据挖掘的研究热点之一。股票数据是一种典型的时间序列数据,利用股票数据进行时间序列数据挖掘的研究既有一定的实际应用价值,也是国内外的热点问题之一。文章首次将一种新型符号化方法SAX[1]应用到标准普尔500指数的股票数据的聚类研究中,使用传统的欧氏距离和动态时间弯曲两种时间序列相似性度量方法进行实验。实验结果表明将SAX应用到股票数据聚类操作,可以得到更好的趋势聚类效果和更高的效率。     

数据挖掘关联规则算法在移动通讯系统分析方面的应用

数据挖掘是从大量数据中获得重要的信息或者是为了作重大决策提供充分依据的技术。在本文中参照数据挖掘的关联规则实现了一个简单的算法,用于在通信系统的话务和告警等数据中发现其中一组数据和其它组数据的关系,从而可以实现一些可以应用于通信系统的无线覆盖分析和其它统计分析的功能。     

面向服务的云数据挖掘引擎的研究

数据挖掘算法处理海量数据时,扩展性受到制约。在商业和科学研究的各个领域,知识发现的过程和需求差异较大,需要有效的机制来设计和运行各种类型的分布式数据挖掘应用。提出了一种面向服务的云数据挖掘引擎的框架CloudDM。不同于基于网格的分布式数据挖掘框架,CloudDM利用开源云计算平台Hadoop处理海量数据的能力,以面向服务的形式支持分布式数据挖掘应用的设计和运行,并描述面向服务的云数据挖掘引擎系统的关键部件和实现技术。依据面向服务的软件体系结构和基于云平台的数据挖掘引擎,可以有效解决海量数据挖掘中的海量数据存储、数据处理和数据挖掘算法互操作性等问题。     

基于SLIQ的数据挖掘分类算法

分类是数据挖掘的一种非常重要的方法。分类的概念是在已有数据的基础上学会一个分类函数或构造出一个分类模型。该函数或模型能够把数据库中的数据记录映射到给定类别中的某一个,从而可以应用于数据预测。大部分数据挖掘工具采用规则发现或决策树分类技术来发现数据模式和规则,其核心是某种归纳算法。这类工具通常是对数据库的数据进行开采,生产规则和决策树,然后对新数据进行分析和预测。本文研究基于SLIQ的数据挖掘分类算法。     

数据挖掘在实验室CRM中的数据仓库设计

数据仓库是CRM中数据挖掘和决策分析的基础,数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据间关系的过程,这些模型和关系可以用来做出预测.本文通过对数据仓库的概念及模型入手,设计了一个在检验检疫实验室CRM中进行数据挖掘的星型模型.     

一个数据挖掘工具的设计与实现

数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据间关系的过程，这些模型和关系可以用来做出预测，该文介绍了一人数据挖掘工具的设计，以Apriori算法为核心，实现了数据挖掘中基于数据库的几种常用挖掘方法，包括基于关系数据库的数据挖掘，不完整数据库中的数据挖掘和根据兴趣度测量来挖掘感兴趣知识的异常关联规则挖掘。     

浅谈数据挖掘技术在呼叫行业中的应用

数据挖掘可以从大量的数据集合中有效地发现有价值的信息,本文从呼叫行业入手,分析数据挖掘技术在呼叫行业中应用的可能,阐述了数据挖掘技术应用的意义与作用,分析了面临的问题和应对措施,并对呼叫行业应用数据挖掘技术作了展望。     

图书流通信息关联规则挖掘应用

该文将数据挖掘技术应用于图书馆数据库,挖掘主题确定后,依次进行了数据选择、数据转换和清理、数据再丰富、编程工作、数据挖掘。利用关联挖掘对图书馆的流通管理数据进行分析,发现读者借阅一类图书时的其他借阅行为,便于为读者推荐相关文献,也可以优化馆藏布局,并为图书馆管理人员提供技术和决策支持。其中数据挖掘是使用Clementine12完成。     

图书流通信息关联规则挖掘应用

该文将数据挖掘技术应用于图书馆数据库,挖掘主题确定后,依次进行了数据选择、数据转换和清理、数据再丰富、编程工作、数据挖掘。利用关联挖掘对图书馆的流通管理数据进行分析,发现读者借阅一类图书时的其他借阅行为,便于为读者推荐相关文献,也可以优化馆藏布局,并为图书馆管理人员提供技术和决策支持。其中数据挖掘是使用Clementine12完成。     

基于IP网络流量数据仓库的KDD实现

通过对IP网络流量数据仓库进行多表关联检索和决策树模型的数据挖掘,可以从中发现若干有用的知识和相互关联的规则,用于分析流量增长的趋势和寻找IP地址分布与流量大小之间的普遍规律。有助于资源的控制和异常情况的发现。另外,将多表关联算法和决策树挖掘用于星型构架的多维数据集,可以显著地提高数据对象之间的关联性能和数据挖掘的效率。     

电子商务中数据挖掘的基本算法与应用分析

数据挖掘技术是近些年来发展起来的一门新技术,通过该技术,人们可以发现数据后面潜藏的有价值的信息。数据挖掘已经成为解决当前企业信息系统中所面临的数据爆炸状况的最有效的方法,这也为决策者进行各种商业决策提供了科学的理论支持。该文将对数据挖掘的含义与基本算法进行阐述和分析,并对数据挖掘在电子商务中的具体应用进行分析探讨。     

一种基于遗传算法的聚类新方法

1 引言数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘更广义的说法是:数据挖掘意味着在一些事实或观察数据的集合中寻找模式的决策支持过程。人们把原始数据看作是形成知识的源泉,就像从矿石中采矿一样。原始数据可以是结构化的,如关系数据库中的数据,也可以是半结构化的,如文本、图形、图像数据,甚至是分布在网络上的异构型数据。发现知识的方法可以是数学的,也可以是非数学的;可以是演绎的,也可以是归纳的。发现     

医学数据挖掘系统研究——糖尿病并发症流行病学知识发现

针对流行病学研究的特点,论文提出计算机辅助医学数据挖掘系统构架,以糖尿病并发症为研究实例,探讨医学数据的冗余性消除、规范化储存、知识归纳及可视化表达等问题。以天津总医院3022例普查数据为研究对象,尝试解决用计算机实现糖尿病并发症这类定性数据的定量化数据挖掘和知识发现。通过对于43种并发症的定性数据挖掘,可以发现诸如高血脂、冠心病、高血压、脑血管病等具有明显并发倾向的知识规则18条。同时,采用知识树方式和决策树等方法实现知识规则的可视化表达。基于数据挖掘和知识发现计算机辅助医学数据挖掘系统能够对现有病历数据库中数据进行自动分析并且提供有价值医学知识,特别适合流行病学分析和全民健康评估,因此与社区医疗和医院HIS系统结合是未来一个非常现实的发展方向。     

面向数据特征的分布式数据挖掘研究

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.     

数据挖掘在GIS中的应用研究

论述了GIS在数据处理方面面临的新问题,以及数据挖掘技术的概念和基本特点。主要是为了说明在GIS中运用数据挖掘技术的方法:通过选取感兴趣的数据子集,结合其它知识,初步发现隐藏在GIS数据中某些特征和规律。将可以有效利用现有GIS数据,具有良好的发展前景,已经引起GIS界的关注。并通过一个实例来说明在GIS进行数据挖掘的基本方法。     

高校教育信息化中数据挖掘的应用研究

数据挖掘作为一种高效的数据处理技术,被广泛的应用到各个领域。高校教育信息化的快速发展为高校积累了大量的信息,利用数据挖掘技术可以发现在数据中隐藏的普遍规律和模式,为高校教育教学工作的顺利开展提供了科学的依据。本文通过对数据挖掘概念、过程及进行数据挖掘必要性的分析,探讨数据挖掘技术在高校教育信息化中的应用问题。