基于R的医学大数据挖掘系统研究

针对医学领域的生物大数据挖掘问题,总结了当前国内外医学数据挖掘的进展,提出了医学大数据挖掘的基本流程,分析了流行的生物医学数据挖掘算法,设计了基于R软件的生物医学数据挖掘Web系统.     

一种基于关联规则的超市购物篮分析方法

就数据挖掘中的关联规则算法的概念及其在超市购物篮分析中的应用进行了探讨,对Alphaminer2.0的功能特点进行了介绍,并提出一种利用Alphaminer2.0数据挖掘软件来进行超市购物篮分析的方法,给出了运行的实例.     

关联规则的交互式可视化挖掘研究

论文针对传统关联规则挖掘的不足,提出了关联规则的交互式可视化挖掘方法,指出在关联规则的交互式可视化挖掘过程中应体现3个重要特性,即前阶段的可约束性,过程中的可交互性,后阶段的可评价性,提出了集这3个特性为一体的关联规则交互式可视化挖掘过程;设计并实现了基于XML／EXCEL的挖掘结果模型表示方法;设计实现了交互式可视化关联规则学习器RestrictApriori并将其与机器学习平台Weka集成,从而完善了Weka的数据挖掘性能．     

数据挖掘的概念、方法及在金融数据分析中的应用

数据挖掘是一种在大型数据库或数据仓库中发现不同层次信息的工具，其应用日益广泛，本介绍了数据挖掘的概念、方法及在金融证券数据分析中的应用与可视化过程。     

流数据增量式多维可扩展可视化挖掘方法

提出了一种针对流数据的增量式多维可扩展可视化挖掘方法(Incremental multi-di-mension scaling,IMDS),对数据表现的特征形状进行聚类,并且聚类结果会随着时间的推移用动态可视化的方式实时展现。仿真实验表明:本文算法相比传统的MDS(Multi-dimension scaling)算法和简易型SIMPLEX优化算法在流数据挖掘中可以明显地提高可视化挖掘效率和流挖掘效果。     

基于平行坐标的关联规则挖掘技术可视化研究与实现

可视化数据挖掘是数据挖掘领域的一个热点。文章提出了一种基于平行坐标的频繁项集可视化方法,对挖掘过程中产生的频繁项集及其支持度进行可视化的描述,以此来解决传统关联规则挖掘过程不可见的弊病。     

可视化和可视化分析学

可视化就是把数据、信息和知识转化为可视的表示形式的过程。一般来讲,可视化可分为数据可视化、科学计算可视化、信息可视化和知识可视化。可视化可以看做是人类与计算机这两个信息处理系统之间的一个接1：3单元。本文在给出可视化定义基础上,简要介绍了国际近年出现的可视化分析学情况,讨论了可视化在数据挖掘、复杂网络等领域的应用。最后指出了可视化研究存在的问题和重要发展方向。     

数据挖掘技术的AHP改进算法在航天器数据分析中的初探

为了实现对航天器遥测数据的分析和挖掘,通过总结AHP算法在实际应用中的一些问题,提出一种基于数据挖掘技术的改良思路.利用数据挖掘技术从航天器遥测数据中提取关联规则,代替人类专家的经验知识自主配置AHP算法中的参数,以提高算法的效率和精度.在对实际航天数据的处理和分析中,数据挖掘程序验证了航天器系统内某些部件间的强关联规则,在深层次数据分析方面做了初步探索.     

基于多媒体数据库的数据挖掘模型和方法

多媒体挖掘是数据挖掘的一个新兴且富有挑战性的子领域。多媒体挖掘的概念、内容和方法都没有一个统一的定论,多媒体挖掘的体系结构和框架有待于进一步研究。基于此,介绍了一种适合多媒体挖掘的系统模型;阐述了与模型相关的多媒体挖掘方法：多媒体数据立方体、聚类、分类和关联规则;最后给出了采用关联规则数据挖掘方法对多媒体数据库进行数据挖掘的实例。     

基于多媒体数据库的数据挖掘模型和方法

多媒体挖掘是数据挖掘的一个新兴且富有挑战性的子领域.多媒体挖掘的概念、内容和方法都没有一个统一的定论,多媒体挖掘的体系结构和框架有待于进一步研究.基于此,介绍了一种适合多媒体挖掘的系统模型;阐述了与模型相关的多媒体挖掘方法:多媒体数据立方体、聚类、分类和关联规则;最后给出了采用关联规则数据挖掘方法对多媒体数据库进行数据挖掘的实例.     

数据挖掘系统研究

结合当前数据挖掘系统发展状况,分别介绍了集中式和分布式的数据挖掘系统,并着重对集中式数据挖掘系统中的各个组成部分及其具体实现技术做了详细的介绍,同时对集中式和分布式的数据挖掘系统目前的发展状况分别做了总结.提出了数据挖掘系统的研究方向和发展趋势:增强可视化和交互性,提高可扩展性,与特定行业应用相结合,遵循统一标准和支持移动环境中数据的挖掘.对数据挖掘系统的发展做了简要的总结和展望.     

多元数据的复系数星座图及其优化方法

星座图是多元数据可视化的一种常用方法,具有直观、形象的特点,可以通过调整权系数来对数据进行交互式挖掘。但是传统的星座图缺乏自动调整权系数的较好方法,因而限制了其在可视化数据分析和模式识别的进一步应用。本文将传统的实系数星座图推广为复系数星座图,并且提出了基于复线性判别分析算法对星座图权系数进行自动优化的方法。对4个数据集的实验结果表明,复系数星座图可以较好地表达高维数据的结构关系,并且可以和有关机器算法结合对数据进行可视化分析。     

基于卷积神经网络的顶岗实习管理系统数据挖掘研究

通过数据挖掘方法管理系统数据时,仅依靠关联规则约束,容易导致数据挖掘的泛化误差增大。因此,以顶岗实习管理系统为例,提出基于卷积神经网络的数据挖掘方法。提取顶岗实习管理系统的数据,建立面向主题的数据仓库,结合统计回归分析法和模糊聚类法生成非线性时间序列数据流,采用模糊聚类法设计数据特征提取机制。根据数据特征提取结果分析关联规则,构建卷积神经网络数据挖掘模型,通过特征压缩方法进行数据降维处理,实现挖掘数据的输出。实验结果表明：所提数据挖掘方法与基于决策树和基于一维卷积网络的方法相比,泛化误差较小,能保持在[-0.05,0.05],可以获取更加精确的信息挖掘结果,具有较好的实际应用效果。     

粗糙集技术在WEB网站的应用

首先对WEB网站的数据信息进行了分析,然后在介绍粗糙算法一般原理的基础上,对粗糙算法的数据挖掘技术在WEB网站上的应用给出了实现流程;最后就粗糙算法数据挖掘技术在校园网上的网站栏目的挖掘给出了应用方案和设计实例,实验表明该技术对校园网门户站点的结构调整具有实际的参考价值。     

XML与Web数据挖掘分析

介绍了XML的概念 ,XML优于HTML的方面以及XML的特点、数据挖掘的基本概念及技术 ,概括了Web数据挖掘的特点 ,说明了将XML应用于Web数据挖掘的几个方面 .最后给出一个运用HTML、XML和JAVA技术实现Web挖掘的实例 .     

数据挖掘技术及其在营销中的应用

对数据挖掘这一新兴数据分析技术进行了综述,阐述了数据挖掘产生的背景及其定义、任务和过程,论述了几种常用的数据挖掘算法,并给出了数据挖掘技术在营销中的应用实例。     

计算机半结构化数据源的数据挖掘技术研究

Web是一个动态性极强的信息源,要访问、分析这些信息必须要研究异构数据的集成问题和选择合适的技术进行数据分析、集成和处理．介绍了多数据源数据仓库体系结构,分析了转换器在面向Web的数据挖掘中存在的不足和XML语言的技术特点;提出了多数据源数据的集成思想和实现的框架以及基于半结构化数据源的数据挖掘方法,提出了应用XML技术对多数据源数据进行集成与转换以便构建数据仓库的方法。同时给出了实现的关键技术．     

面向大数据的分析技术

大数据分析作为整个大数据处理流程的核心,旨在从对大数据的分析中获取知识,其相关内容包括可视化分析、数据挖掘、预测分析、语义分析及数据质量管理. 从大数据时代背景出发,介绍大数据分析的基础理论,阐述大数据分析相关的前沿技术和处理工具,总结当前大数据分析所面临的机遇和挑战,并就大数据分析的发展方向和未来前景进行讨论.     

数据挖掘技术在客户流失预警中的应用

数据挖掘是致力于数据分析和理解、揭示数据内部蕴藏知识的技术.本文研究数据挖掘中的决策树算法,并利用经典的C4.5算法对网通公司业务数据进行挖掘,针对小灵通客户流失问题建立了客户流失预警模型并予以具体实现,以便为公司提供决策依据.     

基于决策表的数据挖掘建模方法研究

挖掘模型的建立与评价是数据挖掘的核心部分。介绍了数据挖掘中的决策表算法,再以某商业银行CRM系统为例,选取银行营销活动历史数据为对象,并详述了通过Clementine数据挖掘软件建立银行客户响应预测模型的方法。