基于人工智能技术的局部离群数据挖掘方法

针对传统离散数据挖掘方法存在内存消耗过大的问题,研究基于人工智能技术的局部离群数据挖掘方法.提取离散数据特征,并使用基于信息熵的算法检测局部离群数据.标准化处理检测出的数据,在神经网络中实现对局部离群数据的挖掘,完成对基于人工智能技术的局部离群数据挖掘方法的研究.通过与传统数据挖掘方法的对比实验结果可知,本文方法在数据挖掘过程中内存消耗较少,与传统方法相比具有明显的优越性,充分验证了该方法的应用性和有效性.     

数据挖掘技术的深入研究

讨论了数据挖掘技术的研究进展，并对四种方法进行了深入的研究：关联规则、离群数据、基于案例的推理、支持向量机，最后提出一个基于数据挖掘技术的智能决策系统的框架 和模型。     

小波变换的离群时序数据挖掘分析

针对时序数据进行离群数据挖掘方法的研究。通过对时序数据进行离散小波变换,将其从时域空间变换到频域空间,使时序数据映射为多维空间的点。该方法具有多尺度、时移不变性等特点,经离群时间序列进行离散小波变换后,不仅具有良好的保距性又达到降低维数目的。然后提出一种基于距离的离群时序数据挖掘算法。仿真试验表明了该方法的有效性。     

数据挖掘的异常检测技术分析

数据挖掘的异常检测技术在实践中有着广泛的应用,讨论了应用于不同数据集的离群点挖掘技术的算法和特点,说明了处理离群点过程中的重要问题,并对不同算法的优缺点进行了对比,为离群点挖掘的实际应用提供了参考依据.此外,还通过实验进行了算法分析,以便验证异常检测算法的有效性.     

基于属性聚类的离群数据挖掘算法

针对现实生活中出现的越来越多的高维海量分类数据,基于属性聚类的方法,提出了一种新的离群数据挖掘算法.该算法首先通过计算属性之间的相关性,将高维分类数据的属性分成多个属性子集,然后在多个属性子集上根据离群得分分别进行离群挖掘,最终选择离群得分最大的k个数据对象作为离群数据.通过采用人工数据集和UCI数据集验证了算法的有效性和可行性,实验结果表明,该算法在精度和效率方面都有提高,可用于高维海量分类数据的离群挖掘.     

离群点检测算法研究

离群点检测是数据挖掘中一项重要内容,通过对当前有代表性的离群点检测算法的分析和比较,对各算法的优缺点进行了总结.针对高维数据中离群点检测算法进行了分析和研究,提出了高维数据中离群点检测需要注意的一些问题,从而便于研究者以这些算法为基础,在此基础上提出新的改进算法.     

用于可疑金融交易监控的对比离群点检测模型

对基于单数据集和多数据集的离群点算法进行研究，提出一个基于距离模式进行数据集间参照对比的离群点判别模型，该模型通过数学定义清晰描述了参照集和对比集之间离群点模式的判别检测关系，为深入研究切合金融数据挖掘特点的算法建立形式化描述体系。这一模型也可推广应用于网络入侵检测、财务审计、图像识别、电子商务、医疗疫情监测等领域。     

l∞度量意义下的离群点检测

离群点检测的目的是与应用场合密切相关的,检测结果与离群数据的描述方法密切相关。从离群点检测的基本原理出发,在l∞度量意义下给出关于离群点的定义,用于解决一类高维大规模数据集中的离群点检测问题,并提出高效的离群点检测方法。实验结果证明了其显著的优越性。     

数据挖掘技术在大型超市中的应用研究

简单介绍了数据挖掘技术和方法，并研究了数据挖掘在超市中的应用，说明了数据挖掘的过程，包括问题的提出，数据的收集、预处理、转换到数据仓库中，算法的选择，模型的评价、优化等，并对此项技术在超市应用中存在的有利因素和不利因素进行了分析。     

一种基于包含关系的空间面对象条件离群检测算法

提出了一种基于包含关系的空间面对象条件离群检测算法DCOP-IR(detecting conditional outlier polygons based on inclusion relations),该算法针对空间面对象的包含关系和非空间属性,定义了一种相似度度量方法,利用基于密度的离群查找算法,先检测出整体的空间离群对象,然后在一定的条件属性下检测空间条件离群对象。实验结果表明,算法DCOP-IR能准确地检测出满足一定条件属性的空间离群对象,并具有较高的效率。     

彩色图像数据库中目标特征数据挖掘方法

针对由于彩色图像数据特征较多使得目标特征挖掘容易出现不确定性的问题,提出一种新的彩色图像数据库中目标特征数据挖掘方法.采用减法聚类算法对彩色图像数据进行聚类,采用离群点检测技术对聚类数据进行分类处理,采用量子行为粒子群优化方法选取最优目标图像特征数据,并与结构相似度计算方法相结合,实现对最优目标图像特征数据的挖掘.结果证明,该方法相比传统的挖掘方法,其挖掘召回率降低了约17%,挖掘精确度提高了约28.6%.     

数据挖掘技术在入侵检测分类中的应用

数据挖掘技术可以从多个角度应用于入侵检测系统，通过合理地分类对比，可找出基于数据挖掘技术的优势，发现存在的问题，提出新思路，完善和发展入侵检测系统；首先介绍了应用于入侵检测的数据挖掘算法；然后提出了基于数据挖掘的入侵检测系统的分类，并分别对每种分类方法的实现进行了描述；最后提出了基于日志挖掘的入侵检测系统，并对可行性进行了简单论证。     

数据仓库技术在配送决策支持系统中的应用

介绍了数据仓库和数据挖掘的概念以及OLAP和ADOMD技术，结合连锁超市配送决策支持系统，阐述数据仓库的建立过程、建立立方体的方法，并举例说明了在立方体上运用MDX语言进行数据挖掘的方法。     

数据挖掘在数据库决策系统中的实现

分析了数据挖掘的工作流程，利用数据挖掘从大规模数据库中寻找各变量之间函数依赖近似的强关联和确定条件概率，并将该方法应用于数据库决策系统中。     

数据挖掘在科技奖励管理系统专家库中的应用

叙述了数据挖掘的基本概念和实现数据挖掘的基本方法,并研究了数据挖掘技术在奖励系统的专家信息库中的应用方法．     

基于多粒度周期模式的时序离群点检测算法

目前研究时间序列离群点检测方法大都没有考虑到数据本身的周期性,有的只能处理名词性属性. 针对实值性属性的时序数据,提出了多粒度周期模式的发现算法,该算法基于不同的时间间隔粒度来探测不同的周期模式, 并利用得到的周期模式来发现那些偏离周期模式的离群点. 该方法可有效避免将正常数据误报为异常值. 通过实验验证了该算法既可正确找出数据在不同粒度下的周期模式,又可有效探测时序数据中的异常值,并与不用周期模式发现的离群点检测算法比较,减少了对特殊事件的离群点误报.     

基于数据挖掘的计算机数学课程能力培养分析

文章利用数据挖掘技术分析了计算机数学课程能力的培养。首先建立学生成绩的数据仓库，利用数据挖掘技术中对比概念描述方法对历年不同专业和不同性别学生进行各种能力分析，并提出了相应的教学内容和教学方法的改革措施。     

基于数据融合和挖掘技术的航海避碰决策系统

介绍了数据融合和数据挖掘技术，并把该技术应用于航海避碰决策系统中．建立了航海避碰决策系统的数据融合和数据挖掘综合处理的模型，并将基于多知识库的数据挖掘与信息融合技术与模糊神经网络数据挖掘技术相结合，利用模糊推理、神经网络技术和D—S证据理论实现目标识别，从而得到对于各目标类型的最终认识．     

数据挖掘在故障诊断专家系统知识获取中的应用

介绍了数据挖掘的概念，指出了数据挖掘与知识获取之间的关系，并着重阐述了描述性数据挖掘、关联规则挖掘、数据挖掘分类算法在故障诊断专家系统知识获取中的应用，最后给出了一个用数据挖掘分类算法生成故障树的实例。     

数据挖掘领域中的聚类方法

聚类算法是数据挖掘中的核心技术，随着对聚类算法广泛深入的研究，产生了许多不同的适用于数据挖掘的聚类算法；文章从算法的角度论述了如何在数据挖掘中进行聚类分析，并通过基于评价聚类算法好坏的8个标准，对数据挖掘中近几年提出的常用聚类方法作了比较分析，以利于人们更容易、更快速的找到一种适用于特定问题的聚类算法．