数据挖掘技术在金融领域的应用研究

介绍了数据挖掘的产生背景及其基本理论,分析了数据挖掘的主要任务及工作流程,探讨了数据挖掘技术在金融行业中的应用及其作用,总结了数据挖掘技术的应用现状,展望了数据挖掘技术的发展前景。     

数据挖掘技术综述

对数据挖掘技术进行了综述,阐述了数据挖掘产生的背景、定义和任务,论述了数据挖掘的技术和算法,介绍了目前数据挖掘的应用状况及指出了数据挖掘的未来研究方向。     

数据挖掘在现代农业物流管理决策中的应用研究

现代农业物流的信息化、网络化和智能化发展为数据挖掘技术的应用提出了要求.分析了数据挖掘用于现代农业物流管理的重要意义,以数据仓库技术、数据挖掘技术为重点,分析了数据挖掘在现代农业物流管理决策中的挖掘过程及实现技术,指出了数据挖掘技术将为现代农业物流管理决策提供越来越强大的支持功能.     

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。     

基于数据挖掘技术的经营分析支持系统

本文提出一个基于数据挖掘技术的经营分析支持系统框架,阐述了系统采用的关键技术,如数据挖掘技术、数据仓库技术、数据抽取技术、联机分析技术等。本文采用的数据挖掘过程严格遵照业界流行的CRISP-DM过程模型,结合金融企业特点对数据挖掘技术进行了详细描述,并阐述了数据挖掘技术在金融企业领域内的应用情况。     

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。     

国内图书馆数据挖掘技术应用研究述评

本文对数据挖掘技术进行了概述,针对数据挖掘和图书馆等关键词利用现代信息检索技术对中国知网学术文献总库进行了检索,分析了近年来数据挖掘技术在图书馆领域的研究现状,在此基础上展望了数据挖掘技术在图书馆领域的研究前景。     

基于数据挖掘技术的图书馆工作

叙述了数据挖掘技术的概念和功能,介绍了有关数据挖掘的常用技术方法。列举了与数据挖掘相关的公司及工具产品,探讨了数据挖掘在图书馆中的应用。     

数据挖掘在智能题库系统中的应用

首先介绍了数据挖掘技术,接着介绍实现数据挖掘的关键问题,最后论述了如何利用数据挖掘技术实现 题库系统的智能化．     

浅谈数据挖掘技术在零售业中的应用

该文介绍了数据挖掘技术在零售业中的应用背景和数据挖掘的相关知识,分析探讨了数据挖掘技术在零售业中的应用,并举例说明数据挖掘在零售业中的应用。     

浅析XML在Web数据挖掘中的应用

Web数据挖掘是将数据挖掘技术和理论应用于对互联网资源挖掘的一门新兴研究领域．XML能够为web数据挖掘提供半结构化的数据模型,解决了Web挖掘中的数据源问题．分析了Web数据挖掘的特点,并将XML技术引入Web数据挖掘领域中,进而在此基础之上介绍了一种数据挖掘的模型．     

面向android手机平台的网络恶意数据流挖掘研究

由于android手机平台网络中数据流众多,以往研究出的面向android手机平台网络恶意数据流挖掘方法,均无法对网络恶意数据流进行高效、准确挖掘。故提出一种挖掘效率和挖掘准确性均较高的android手机平台网络恶意数据流挖掘方法。网络恶意数据流通常均有自动收发行为,所提方法利用概率分类法和邻近值法对android手机平台网络数据流进行预分类,使具有自动收发行为的网络数据流优先进行网络恶意数据流挖掘,提高挖掘效率和挖掘准确性。该挖掘方法将网络数据流划分成多段行为向量,对具有自动收发行为的网络数据流和不具有自动收发行为的网络数据流采取不同精度的挖掘操作,输出网络恶意数据流,存储网络非恶意数据流,供下次挖掘使用。经实验验证可知,所研究的方法挖掘效率高、挖掘准确性高。     

智能化数据挖掘系统

目前通用数据挖掘系统需要由用户自主去选择需要的数据挖掘算法．这就使这些通用数据挖掘工具很难被那些不熟悉数据挖掘术语和数据分析技术的普通用户所使用．为了解决这个问题,文章讲述了一种基于案例推理的智能化数据挖掘系统,这种系统的主要功能是根据用户提交的任务书,在算法库中查找相应的算法自动实现数据挖掘,将用户从繁重的算法设计、算法选择中解脱出来．     

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WEB的数据挖掘研究综述

运用数据挖掘技术进行Web数据挖掘成为数据分析领域中的一个重要研究热点,与传统数据相比较,Web数据具有结构复杂、形式多样与内容广泛等特点,且用户对其需求亦是五花八门的,这对数据分析领域提出了更大的挑战.基于为研究Web数据挖掘提供参考,将Web数据挖掘粗略地分为三类:内容挖掘、结构挖掘和使用挖掘,并分别进行了综述,然后根据当前的应用现状分析了这一研究领域的几个研究方向.     

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。     

面向领域的数据驱动自主式知识获取模型及实现

数据挖掘是一个非常有用的工具,通过它能够从大型数据库中发现知识.目前,众多研究者将其主要研究工作放在了数据挖掘的模型与方法等工程技术问题上,对于数据挖掘的一些基础理论问题却研究不足.通过对数据挖掘基本理论的研究,提出了面向领域的数据驱动自主式知识获取模型.并通过一系列数据驱动自主式知识获取算法验证了该模型的有效性.     

基于Web服务和PMML的数据挖掘系统的设计

数据挖掘技术得到广泛应用的同时也面临着较大的挑战。不同的厂商对数据挖掘模型的各自定义妨碍了其在不同的数据挖掘系统之间的共享,大量数据源分布的地理位置的不同导致数据集中的成本提高,于是,人们期望能够在一个开放式环境下实现对数据挖掘模型和挖掘组件的集成和重用。本文给出了一个以Web服务为平台,PMML为模型描述语言的数据挖掘系统的基本架构。该架构可以轻松地实现系统集成和模型共享。     

基于概念层级和分层挖掘的非单调数据挖掘算法

引入概念层级和采用分层挖掘处理数据挖掘中的非单调性,提出了结合粗糙集和概念层级的非单调规则挖掘算法,以及基于混合知识模型和分层挖掘的非单调数据挖掘算法,通过一故障诊断实例,阐明了该算法的原理,并介绍了基于遗传算法的模糊规则自动生成和故障诊断神经网的构造。     

视频数据挖掘技术综述

视频数据挖掘技术旨在挖掘出视频数据中隐藏的、有价值的信息,来实现对视频的充分利用。通过对国内外视频数据挖掘的研究与分析,对视频数据挖掘技术进行了概述,详细阐述了基于特征和基于内容的视频挖掘技术,最后总结了视频数据挖掘系统所面临的挑战以及对全景视频挖掘的展望。