数据挖掘技术及其在金融中的应用

数据挖掘是一门交叉性新学科，数据挖掘技术是目前国际上数据库、数据仓库和信息决策系统领域最前沿的研究方向之一。本文简述了数据挖掘定义和特点，介绍了其主要技术与基本步骤，并进一步分析了数据挖掘技术在金融中的应用。     

论数据挖掘技术的发展前景及应用

数据挖掘是数据库最活跃的领域之一,本文不仅系统的介绍了数据挖掘技术的发展背景、数据挖掘的概念和特点、数据挖掘的功能和过程,而且对数据挖掘的局限性也进行了研究和探讨,最后总结了数据挖掘现状并且提出了数据挖掘的发展方向.     

现代数据挖掘技术研究进展

数据挖掘是一个多学科交叉融合而形成的新兴的学科.笔者介绍了数据挖掘的一些基本知识及有关概念,阐述了数据挖掘的一些基本方法(传统的统计学方法、神经网络、决策树、进化式程序设计、基于事例的推理方法、遗产算法、非线性回归方法),然后对当前数据挖掘在各种领域的应用进行了概括,并提出了一些难点(数据质量、信息可视化、极大数据库、信息分析员技能)和今后的研究方向.     

基于数据挖掘的入侵检测

随着计算机网络在现代社会中扮演日益重要的角色，信息安全成为信息技术研究领域最重要的研究课题之一。而入侵构成了严重的安全风险，如何有效防范和检测入侵行为是信息监管中的热点研究问题，传统入侵检测模型的建立过程效率低，研究成本高，而数据挖掘在未知知识获取方面具有独特优势，因此基于数据挖掘的入侵检测成为研究热点，针对入侵现状、入侵检测和数据挖掘研究及开发状况，笔者分析了基于数据挖掘的入侵检测研究背景、体系结构、研究方法，所需解决的问题及今后的研究方向。     

数据挖掘分类算法研究综述

随着数据库应用的不断深化,数据库的规模急剧膨胀,数据挖掘已成为当今研究的热点;特别是其中的分类问题,由于其使用的广泛性,现已引起了越来越多的关注。对数据挖掘分类问题的研究现状进行了综述:首先对研究比较多的基于判定树的归纳分类、基于人工神经网络的分类和基于统计的贝叶斯分类作了详细的讨论;然后对目前新提出的几种算法作了简要分析;最后根据数据挖掘的发展现状和研究重点对数据挖掘分类算法的发展趋势作了展望。     

数据挖掘初探

从学科归属、技术、功能3个方面探讨了数据挖掘的定义及内涵,并对数据挖掘与知识发现的关系、数据挖掘的功能、作业流程及应用进行了初步研究。     

变点检测问题最新进展综述

变点检测问题研究是统计学与数学、计算机科学、数据挖掘等众多学科交叉的新兴研究领域。论文详细回顾与述评了2001-2011年的最新国内外变点问题研究状况,并从不同的角度对变点检测问题进行合理分类,同时展望了变点检测问题研究的未来发展方向。     

数据挖掘研究

数据挖掘是一个新兴的领域，在短短几年内得到迅速的发展。数据挖掘是一个跨学科的领域，涉及到数据库系统、统计学，数据可视化，信息检索和高性能的计算，其它有贡献的学科有神经网络，信号处理、空间数据库、图像数据库。数据挖掘汇集了很多学科的技术方法。随着存储数据量的不断增长，已有的方法面临着可扩展性和效率的挑战。在数据库研究领域中，有效的数据结构、索引和数据存储都将对高性能的数据挖掘有所贡献。     

定量地理学的一种发展趋势--GeoComputation

随着计算机及相关的信息获取技术的不断进步，各种类型的数据库逐步建立并以越来越低的的成本提供大指量数据。科学研究的重点自然地转向现有数据库中的数据挖掘或者称为隐含信息提取。空间数据因其量大、多维和存在自相关等原因，其数据挖掘较其他数据类型更为复杂，20世纪90年代中期Stan Openshaw认为空间数据挖掘已成为定量地理学中一个重要分支，并以GeoComputation命名这个新的学科。本文讨论了GeoComputation命名这个新的学科。本文讨论了GeoComputation的内容体系和各种定义，并论证其作为一个学科的必要性和合理性。     

动态排序的最大频繁项集挖掘算法的应用

频繁项集的挖掘是数据挖掘中的一个基础和核心问题,具有广泛的应用领域。由于它是数据挖掘过程中最耗时的部分,挖掘算法的好坏直接影响数据挖掘尤其是关联挖掘的效率和应用范围。     

基于数据仓库和数据挖掘的高校决策支持系统的探索

在论述的数据仓库、数据挖掘和决策支持系统的基本概念及其关键技术和系统设计方法的基础上，提出了基于数据仓库和数据挖掘的决策支持系统的解决方案．在新方案中将数据库、模型库、方法库有机结合在一起，使系统的高度集成，DSS真正实现从模型驱动到数据驱动的转变．根据当前高校的实际需求，将其在高校管理应用中进行探索，然后重点分析了系统设计在人事管理中典型应用，通过该系统为高校决策提供了科学的依据，指导发展。     

基于数据仓库与数据挖掘的会计信息系统的构建

指出事件驱动体系结构能够采集企业业务事件的全息数据,把数据集成在数据仓库里,有助于数据挖掘满足高层战略决策的要求.建立了基于数据仓库与数据挖掘的会计信息系统的实现模型,提出了基于事件驱动体系结构的财务会计子系统的开发思路以及管理会计子系统中数据挖掘的实现过程.     

多智能体技术在基于双库协同机制的知识发现KDD*模型设计中的应用

KDD^*模型是基于双库协同机制的知识发现新模型，是结构化数据挖掘领域研究的一个新的分支。为了进一步提高KDD^*的智能性，设计了一个基于Multi-agent技术的智能数据挖掘系统，利用多智能体技术，实现了数据预处理，数据挖掘，知识的自动获取，基础数据库与知识库的同步进化与协调，知识的评价与表示等功能。     

范例推理中范例自动获取的数据挖掘技术

范例推理作为基于规则推理技术的一个重要补充，已受到人工智能研究 人员的普遍关注，在范例推理中，也有许多相应的知识，它主要包括：范例库、修正知识库，索引模式，相似性判断标准等，这些知识的获取也存在一定的瓶颈问题，通过在范例推理中引入数据挖掘技术，可望部分解决其知识获取的自动化问题，提高智能系统的整体性能，本文着重讨论了在范例推理中使用数据挖掘技术的必要性，提出了二上自动获取范例库的思想与算法，并应用于一个实际的系统之中，实际结果表明，这种思路大大提高了智能系统的开发周期与系统的运行效率。     

多策略数据挖掘系统的分析与设计

为了满足数据规模的膨胀和分析需求的增长,在对数据挖掘系统的发展史进行回顾的基础上,分析了国内外典型数据挖掘系统的特点,设计了一个多策略的数据挖掘系统。并针对数据挖掘面临的大规模海量数据的处理问题,为系统引入和设计了算法插件思想、缓冲区处理技术、基于XML(Extensib le M arkup Lan-guage)语言的配置文件和相应的并行处理技术。最后讨论了系统今后开发过程中需要注意算法更新及评估的问题。     

环境因素对既有砖混结构房屋影响的调查分析

在对郑州地区部分既有砖混结构房屋抽样调查的基础上,从不良地质条件变化、温度应力作用、砖砌体风化碱蚀和钢筋混凝土构件老化等方面,分析了环境因素对既有砖混结构的影响规律和特征。     

电信决策支持系统中数据仓库的设计

基于数据仓库的决策支持系统是现今决策支持技术应用的主流,本文利用数据仓库、联机分析处理、数据挖掘、模型库系统、知识库系统等技术给出了电信企业的决策支持系统的逻辑架构和物理架构,并简单介绍了该系统中的几种数据挖掘方法。     

空间数据挖掘技术及其智能推理体系结构

面对数据的数量和复杂性急剧增加的问题,首先讨论了数据挖掘技术的研究进展,并对数据挖掘在空间数据库中的应用进行了深入地探讨。然后提出三种基于空间数据挖掘、空间数据仓库、智能决策支持系统（IDSS）和范例推理（CBR）技术的智能推理体系结构,并对这三种体系结构的优劣进行了分析对比,其中以第三种结构为优。最后对空间数据挖掘在各领域中的应用前景以及有待解决的问题进行了展望。     

大数据时代的数据挖掘技术与应用

随着数据挖掘技术研究的进步与发展,并伴随着大数据概念的提出,将为数据挖掘技术的发展和应用带来一个很大的机遇,数据挖掘技术将进入一个新的发展时期.文章全面介绍了大数据,数据挖掘的基本概念以及数据挖掘的分析方法,最后给出了大数据时代的挖掘技术的应用领域及将来发展方向.     

基于数据仓库的决策支持系统框架研究

提出了在数据仓库基础上建立决策支持系统（ＤＳＳ）的体系框架,主要由模型库、方法库,知识库和数据仓库及其相应的管理系统以及数据挖掘单元和问题处理单元几部分组成。阐述了各部分的功能,相互关系,论述了基于数据仓库ＤＳＳ的优点,为知识的智能获取提供了新的手段。