综述数据挖掘在国内图书馆数据库应用领域的研究

本文将从数据挖掘在国内图书馆数据库应用的领域进行研究,从数据挖掘在国内的数字图书馆、高校图书馆以及图书馆个性化服务等方面入手分析数据挖掘在国内图书馆数据库应用的现状,总结其中存在的问题,并找出解决问题的方法,提高数据挖掘在国内图书馆数据库的应用效率。     

数据仓库与数据挖掘的研究

本文阐述了数据库、数据仓库争数据挖掘的概念以及数据库与数据仓库的关系,数据仓库和数据挖掘的区别与关系和数据挖掘的应用.     

数据挖掘技术与数据库知识发现

本文主要介绍数据挖掘技术（DataMining）与数据库知识发现（Knowledge Discovery in Database，KDD）的概念、数据挖掘算法、数据挖掘技术流程、数据挖掘技术的应用现状。并阐述了数据挖掘与数据库知识发现的区别、联系与面临问题。     

数据挖掘技术在《公安科技信息》数据库中的运用

数据挖掘技术是一种新兴的计算技术与方法。它分为数据库数据挖掘、Web数据挖掘和文本数据挖掘三种。数据挖掘技术在《公安科技信息》数据库中的的应用,可在Internet上自动收集所需的公安科技信息,实现公安科技信息加工过程的自动化处理,并实现信息服务质量的提高。数据挖掘技术的运用将改变公安科技数据库现状,使数据库更有效地发挥作用。     

空间数据挖掘的研究与应用

空间数据挖掘就是从空间数据库中抽取隐含的知识、空间关系或是空间数据库中存储的其他的隐含的模式的过程 空间数据挖掘在地理信息系统(GIS)、空间遥感、测绘、资源和环境管理等很多领域有广泛的应用前景 本文对空间数据挖掘的具体应用进行了探讨.     

数据挖掘技术及其应用的研究

数据挖掘是计算机行业中发展最快的领域之一,它使数据库技术进入了一个更高级的阶段,已经迅速扩大成为一个独立的领域。本文指出了数据挖掘与数据库知识发现过程中的关系。总结了数据挖掘实现所面临问题及其任务,最后介绍了数据挖掘的实际应用。     

一个基于Web的数据挖掘集成应用系统的设计及实现

数据挖掘集成应用是当今数据库领域的前沿课题。文章提出了一种数据挖掘集成应用的系统设计方案,并结合实际进行了实践应用。     

数据挖掘中的关联规则浅析

本文介绍了在数据挖掘领域,采用关联规则在大型事务数据库中进行数据挖掘是一个重要的研究内容,以及数据挖掘技术中关联规则的基础、应用、特点及其发展前景。     

浅谈数据挖掘技术及数据挖掘方法

数据挖掘是人们长期对数据库技术进行研究和开发的结果,是当前计算机科学研究的活跃领域。数据挖掘技术能快速有效地从海量的网络信息中,挖掘出潜在的、有价值的信息,使之有效地在管理和决策中发挥作用。数据挖掘方法结合了数据库技术、机器学、统计学等领域的知识,从深层次挖掘有效的模式。数据挖掘技术具有广泛的应用前景。     

数据挖掘综述

数据挖掘是人们长期对数据库技术进行研究和开发的结果,是当前计算机科学研究的活跃领域。本文介绍了数据挖掘的定义、功能以及数据挖掘的过程,论述了数据挖掘的常用技术,介绍了数据挖掘的应用,最后结合当前新的研究成果,分析了数据挖掘领域的发展趋势。     

数据挖掘与数据库的集成方法

数据挖掘的研究主要集中在挖掘算法上,但在数据库领域至关重要的数据挖掘系统与数据库的有效集成研究却很少,为此,在详细研究了数据挖掘耦合数据库的主要方法(通过SQL(Structured Query Language)游标接口读取数据、保存数据至本地磁盘cache进行挖掘、用存储过程封装挖掘算法、采用用户自定义函数表达挖掘算法以及通过扩展SQL直接操作挖掘模型)的基础上,指出在实现数据挖掘同数据库无缝集成的发展过程中,在现有的DB/DW中集成数据挖掘系统并提供应用程序和自定义挖掘算法的接口、研究推出标准数据挖掘语言是实现数据挖掘系统与数据库有效集成的关键技术。     

复杂属性环境下NoSQL分布式大数据挖掘方法研究

由于复杂属性环境下的大数据挖掘工作需要涉及到对大数据的分析、清理、转换和集成等一系列操作,导致以往提出的复杂属性环境下大数据挖掘方法无法同时拥有较强的准确性、稳定性和实用性,故提出复杂属性环境下NoSQL分布式大数据挖掘方法。所提方法利用NoSQL数据库的物理分散逻辑,在复杂属性环境下构建NoS QL数据库,给出挖掘条件,对数据库中大数据的特征、位置、方向和长度属性的关联性进行分布式挖掘,经由挖掘公式给出挖掘结果。利用挖掘聚类公式对大数据的特征、位置、方向和长度属性的关联性挖掘结果进行聚类,获取所提方法的最终挖掘结果。经实验分析可知,所提方法在挖掘工作中具有较强的准确性、稳定性和实用性。     

关联规则挖掘的Apriori算法综述

关联规则挖掘是数据挖掘研究领域中的一个重要任务,旨在挖掘事务数据库中有意义的关联。随着大量数据不停的收集和存储,从数据库中挖掘关联规则显得越来越有必要性,关联规则挖掘的Apriori算法是数据库挖掘的最经典算法并得到广泛应用,在介绍关联规则挖掘和Apriori算法的基础上,发现Apriori算法存在着产生候选项目集效率低和频繁扫描数据等缺点。综述了Apriori算法的主要优化方法,并指出了Apriori算法在实际中的应用领域,提出了未来Apriori算法的研究方向和应用发展趋势。     

Web挖掘在个性化推荐系统中数据预处理的研究

个性化推荐系统能够根据用户的兴趣偏好主动推荐他所需的资料。它的出现解决了人们寻找信息难的问题。数据预处理将原始的真实数据库转换成适于数据挖掘的挖掘数据库,为提高挖掘算法的效率,改善挖掘结果的效果打下了良好的基础。[1]     

基于聚类的空间数据挖掘系统的设计与实现

空间数据挖掘系统是指从空间数据库中提取隐含数据特征的决策支持系统．本文将采关分析、空间数据挖掘和地理信息系统三者紧密联系起来，并结合土地利用数据库，以聚类的方法对空间数据挖掘系统的设计和实现进行了详细地阐述．     

供水管网GIS中空间数据挖掘的研究与应用

以地理信息系统(GIS)为基础,详细讨论了数据挖掘、空间数据统计技术在城市供水管网维护中的应用,并针对空间数据库中数据的挖掘方法进行了分析和研究,实现了利用空间数据库中数据的挖掘方法对城市供水管网的维护.     

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。     

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.     

一种改进的分布式关联规则挖掘算法

数据挖掘本质上是一种新的商业信息处理技术,通过对数据进行统计、分析、综合和推理,发现数据间的关联性、未来趋势以及一般性的概括知识,用以指导高级商务活动。由于需要,对数据间的关联性的数据挖掘算法模型已成为数据库及相关领域的一个研究热点,给出了一种基于分布式数据库的挖掘模型及其相应的一种有效的挖掘算法,其由若干个站点集合而成,各个站点拥有各自的数据库、中央处理机、客户端,以及各自的局部数据库管理系统,依靠通讯网络连接。采用购物篮分析式关联规则,将各个数据库文件的数据合成,从而得到挖掘结果,对挖掘的方法又进一步挖掘,即将不满足条件的规则重新传送到各分布式站点上进行更加精确的挖掘处理,从而避免了频繁的网络通讯。该算法在减轻网络频繁的通讯负担,体现并行计算以及异构数据挖掘方面具有独特优点。     

基于投影二维表的最大频繁模式挖掘算法

PITable-MAX是基于投影二维表的最大频繁模式挖掘算法。算法只需要遍历一次事务数据库,并将数据信息存入投影数据库中,在挖掘事务项时才会从投影数据库中提取相关的数据信息生成投影二维表,从而减少对内存空间的占用,算法虽然采用递归方式,但组合策略可实现减少条件投影二维表的规模,以达到减少空间;并结合减挖策略来减少挖掘事务项的个数,以达到提高挖掘效率的目的;实验验证了算法的可行性和优越性。