数据库技术研究进展

随着大数据时代的到来,数据库技术成为当前计算机技术领域最活跃的版块之一.从面向云计算、多核等新型计算平台的数据处理技术;面向图、流、时空数据等新的数据类型及其新的应用形式的数据管理技术;基于知识库、众包、数据挖掘等新的数据智能处理技术3个方面对数据库技术研究的最新进展进行介绍.     

基于人工智能的网络时空数据挖掘方法

为解决传统数据挖掘应用到网络时空数据挖掘时存在挖掘结果数据召回率低的问题,研究基于人工智能的网络时空数据挖掘方法.采用网络爬虫技术采集网络时空数据,制定网络时空数据关联规则,利用人工智能中的微分进化算法进行挖掘数据筛选及候选集确定,基于用户偏好挖掘数据知识,实现网络时空数据的挖掘.试验结果表明,设计方法在实际应用中能够...     

大数据时代下数据挖掘技术的应用

 大数据时代下,数据挖掘技术越来越受到人们的关注。本文介绍了数据挖掘技术的研究背景和研究现状,论述了决策树、支持向量机、神经网络等数据挖掘技术的相关算法,分析了数据挖掘技术在大数据中的相关应用及未来的发展趋势,探讨了在大数据时代数据挖掘技术面临的挑战。     

偏序结构环形图：一种大数据偏序结构可视化新方法

偏序结构图因其良好的知识可视化特性已在知识发现、数据挖掘等领域得以广泛应用.但在对大数据所形成的超大形式背景进行研究和分析时,偏序结构树形图存在的一些不足,使大数据可视化效果欠佳,不利于对大数据进行数据挖掘和知识发现.本文对偏序结构树形图进行改进,提出了可用于大数据分析的偏序结构环形图.对实例形式背景绘制出偏序结构环形图,并与其偏序结构树形图比较.实验结果表明,该方法清晰、直观,可视化效果较好,能更有效地呈现出大形式背景中的重要信息,可以应用在大数据的数据挖掘和知识发现中.     

基于地理信息系统的时空数据挖掘研究

传统的数据挖掘方法一般是从事务型数据库或者关系数据库中进行挖掘从而进行研究,对于地理信息系统中的时空特征无法进行很好的揭示。对于时空数据挖掘这种方法进行大量的研究,找出数据中包涵的时空规律,对于提高气象数据的研究效率,从而更好的进行气象预报,提高气象预报的准确性,有着非常重要的意义。将时空数据挖掘技术与传统的地理信息系统相结合,基于地理信息系统对于时空数据挖掘进行大量的分析,对于时空数据挖掘在气象数据使用中的方法,作用进行了大量的阐述。首先介绍了地理信息系统,时空数据挖掘和数据挖掘的概念,技术方法和联系。     

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.     

网络信息计量的数据挖掘技术研究

网络信息计量的数据挖掘技术研究是运用数据挖掘技术方法发现网络信息计量中的数据特征模式,利用现代可视化软件工具,开发网络信息计量中的数据特征模式的可视化系统,满足网络信息分析人员使用更复杂、更为强大的数据挖掘技术分析、处理数据的要求,为网络信息计量学理论研究及其方法和技术的丰富与发展开拓新的方向,为网络信息计量学规律应用于数据挖掘领域提供平台.     

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.     

基于数据挖掘技术的网络营销策略的实证研究

目的 在大数据背景下,研究销售者运用交易数据挖掘有效客户,认识、评价和提升个人客户的忠诚度.方法 本文根据淘宝某皇冠卖家的客户数据进行实证研究,运用分类树模型、聚类分析等进行分类研究,应用Logistic模型进行预测.结果 识别了有效客户及其特征,并获得有效客户发生购买行为的概率.结论 实践证明,数据挖掘技术能够精确高效地应用于匹配客户营销策略,提升线上销售业绩.     

基于属性偏序表示原理的经方方证研究

方证研究是中医领域研究的热点,但方证之间数据量大,复杂度高,传统的数据挖掘方法面对海量的中医数据显得力不从心.随着大数据时代的到来,大数据的理念和技术为中医知识的充分研究带来机遇.本文基于形式概念分析的属性偏序表示原理,运用属性偏序结构图揭示方证的特征症状,对挖掘中医经典的科学内涵、促进学术创新有一定的借鉴价值.     

高校基于大数据时代的数字化校园建设探讨

阐述在当前大数据时代的背景下,高校数字化校园建设如何利用大数据的思想和技术,解决数据质量、数据挖掘利用等问题.大数据技术手段能够促进高校建立完善的数据采集体系、规范数据质量管理、做好数据安全和隐私保护等工作;对高校中的大数据进行深入挖掘和分析,为学校管理决策提供支持,为学校教学、科研工作的改进提供有效依据,提高校园用户信息化服务的服务体验.     

数据挖掘在医院信息系统的应用研究

数据挖掘技术能够通过多元化数据体系之间的相互认证提供更为精准的统计信息。以此为背景,将对数据挖掘技术在医院信息系统中的应用进行具体探究。在后续的研究中将对医院数据挖掘范围与功能需求进行总结,并以功能需求为蓝本,按照临床应用、管理应用、第三方应用等三个方面探讨实际应用过程与方法。与此同时结合笔者的思考总结现阶段数据挖掘技术在相关领域应用的主要掣肘因素与未来可能的发展方向。希望通过本文的研究能够为今后的相关技术推广与体系建设提供必要基础。     

BDAP——一个基于Spark的数据挖掘工具平台

大数据处理系统是大数据领域的一个热点,为此首先研究大数据分析平台的架构与功能,将大数据分析平台分为数据源、数据吸收层、数据存储层、平台层、安全与监控层、设备层和应用层.平台包含多个数据预处理和算法模块,平台架构为大数据分析了奠定基础.在功能上,该平台功能全面,可以自由组合各种操作,模块之间耦合度低,便于维护和拓展.在用户体验上,调参、建立流程、监控、数据挖掘过程都是可视的,融合工作流和调度流技术.在性能上,该平台相应算法的性能优于Hive和MLlib.最后,举例说明大数据挖掘平台的应用场景.可以对电网线路故障和气象数据进行预处理,从而对故障进行预测和分类,可以通过视频挖掘组件,对数据分类.     

大数据技术在轨道交通领域中的研究和挑战

大数据是一个国家的重要的战略资源。城市轨道交通凭借其大容量运输和高效率运输水平,在缓解交通拥堵方面有重要作用。如何在轨道交通中挖掘和发挥大数据的创新价值,如何利用大数据挖掘、预测、可视化等技术服务轨道交通行业有着重要的意义。本文系统地阐述了大数据技术在轨道交通领域的研究现状,总结了大数据在轨道交通应用中的研究难点和挑战,为轨道交通信息化和大数据应用拓展提供支持。     

聚类分析在Web数据挖掘中的应用研究

聚类分析是时空数据挖掘领域近年来研究的热点问题,对于揭示要素的发展变化趋势、规律以及本质特征具有重要意义。目前,聚类分析的研究仍在初步,缺乏具有普适性的聚类分析方法。为此,本文针对从事Web开发的行业数据提出了一种时空一体化的聚类方法。该方法很好地顾及了时空数据的时空耦合、时空相关与时空异质特征,避免了过多人为主观因素的干扰,聚类结果具有较好的可靠性。     

浅析数据挖掘在图书馆靶向式服务中的应用

数据挖掘已经成为当今信息领域最为热门的研究方向. 阐述了大数据时代数据挖掘的基本概念、功能、类型、主要方法及流程,探讨了数据挖掘在图书馆靶向式服务中的应用,以最终实现图书馆资源利用的帕累托最优以及更高的用户满意度的目的.     

ICTs视角下的旅游流和旅游者时空行为研究进展

信息和通信技术(information and communications technologies, ICTs)对旅游和旅游者产生了巨大影响。游客在旅游过程中使用通信网络、互联网和物联网会产生大量的具有地理标签的数据,这些大数据为大规模即时旅游流和游客时空行为研究提供了可能。本文在梳理国内外有关旅游流和旅游者时空行为研究的基础上,发现:(1)在研究驱动力方面,海量、非结构化的大数据为旅游流和旅游时空行为研究提供新视角,数据和问题共同驱动来发现知识成为未来旅游流和旅游者时空行为研究的重要特征;(2)在研究方法上,利用地理信息系统的空间分析方法进行旅游热点分析、网络分析并进行可视化,最终从海量数据中发现规律、发现知识,提升对旅游者行为的认识,进而推进旅游者时空行为理论的完善;(3)在数据来源上,除传统数据外,手机数据、UGC数据将成为研究旅游者时空行为的重要数据源,可根据研究的实际情况选择不同的数据源及其组合;(4)在研究主题方面,目前主要集中在旅游者时空分布规律、旅游流空间网络结构发现等方面,对于隐藏在旅游者时空行为规律背后的原因、过程和机制探究不足,因果分析、过程和机制研究是未来的重点方向;(5)未来的研究热点可能有基于大数据的游客时空行为建模全过程体系化研究、数据标准化和数据挖掘方法研究、数据融合与同化研究、大数据下旅游者隐私和伦理问题研究、旅游者时空体验研究等。     

XML与WEB数据挖掘技术

数据挖掘技术的核心部分已发展了近十年,研究领域涉及数理统计,人工智能,机器学习等,当今,随着人们对数据的需求的不断加强,以及WEB技术的飞速发展,使得数据挖掘技术又向前迈进了一步,面向WEB的数据挖掘是目前数据挖掘技术的一大热点,但由于WEB数据的存在方式的特殊性,使WEB数据挖掘变得十分复杂,而XML的出现,为WEB数据挖掘技术带来了巨大的发展契机。     

分布式数据挖掘中的最优K相异性取样技术

为了弥补基于集中式处理的分布式数据挖掘方法的不足,有效地实施分布式数据挖掘(DDM)任务,需要一种能从分布式数据源中获取多样化代表性取样集的技术.提出了一种新的适用于分布式数据挖掘环境的数据取样算法(OptiSim-DDM方法),算法核心是基于最优K相异性进行数据选择,采用移动Agent技术和扩展的最优K相异性数据多样化代表性子集选择方法,能在各分布式数据场地中轮转选择出全局数据集的多样化代表性取样集.该方法通过降低所挖掘的数据集的数据规模来降低数据挖掘算法的时空复杂度,降低网络通讯代价,提高数据挖掘的执行效率,适合于各场地数据是互相关联和互相依赖的分布式数据挖掘任务.实验结果证实该方法是可行、有效的.     

数据挖掘在体育领域中的应用研究综述

随着计算机技术的发展,数据挖掘作为快速有效地从海量数据中提取信息的工具得到了日趋广泛的应用.本文立足于数据挖掘的新兴应用领域--体育领域,综述了数据挖掘在体育产业、体质数据及竞技体育中的应用,为数据挖掘在体育中的进一步应用研究提供了参考.