Web数据挖掘技术

本文介绍了数据挖掘技术在远程教育中的应用,为了更好的实现远程教育技术,对源数据的收集、数据的预处理、数据挖掘及个性化智能学习系统做了较详尽的介绍。肯定了数据挖掘技术给我们提供了“变废为宝”、“化繁为简”、“从模糊到清晰”的巨大帮助。     

数据仓库技术在远程教育中的应用

本文介绍了数据仓库和远程教育、数据挖掘技术和决策支持系统的有关特点,提出了基于数据仓库的远程教育决策支持系统.     

智能导学系统设计

通过对远程教育现状分析,指出当前远程教育系统中普遍存在的问题．根据个性化学习理论,利用人工智能技术,分析设计了一种智能导学系统,阐述了其主要对象模型、系统结构和运行机制,以及研究的关键问题．这种智能导学系统可以有效地解决远程教育中存在的弊端,实现个性化、智能化教学．     

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．     

智能远程育人管理系统的研究与设计

随着信息技术的不断发展,交互式多媒体远程教育系统已成为研究热点,但实现因材施育的智能管理系统对目前来说还是一个挑战。本文基于远程教育技术和传统的德育管理手段,充分利用计算机资源,动态追踪学生历程信息,运用数据挖掘技术,提出智能远程育人管理系统的结构模型及其解决方案。     

Web data mining在远程教育中的应用

采用Web data mining对远程教育进行分析,根据受教育对象存在的个体差异,提出个性化远程学习系统的框架结构思想和个性化服务的理念,对相关信息进行数据挖掘并建立起一个集智能化、个性化为一体的远程教育系统,从而更好地改善远程教育服务的现状。     

远程教育综述

介绍远程教育的概念和分类,讲述了如何构建一智能化远程教育系统以及相关技术,并介绍了有关远程教育的国内外技术发展概况、水平和发展趋势．     

基于Web的个性化远程学习模型的研究与应用

目前,基于Web的个性化服务是智能信息检索、电子商务、远程教育等领域研究的热点,本文在分析当前远程教育系统存在的问题的基础上,提出了一种基于Web的个性化远程学习模型,利用Web数据挖掘、多Agent、XML技术构建个性化学习环境,并对其实现的关键技术进行了讨论,实现了远程教学的按需学习和因材施教的要求。     

ERP系统中实现决策支持的方法研究

数据仓库和数据挖掘是近几年迅速发展起来的技术，主要用于构建企业的决策支持系统．根据数据仓库和数据挖掘技术的特点，针对传统ERP系统在决策方面的不足，提出把数据仓库和数据挖掘应用到ERP中，以数据仓库作为企业底层的数据源，使用各种数据挖掘技术，以提高ERP中的决策支持功能．①     

Windows流式媒体技术在远程教育系统中的应用

在介绍现代远程教育和Windows2000 Media Service技术的基础上，给出了一种基于流式媒体技术的远程教育系统的解决方案．分析了系统的组成、课件制作子系统、应用的网络环境和客户端软件，最后介绍了系统的应用前景．     

数据挖掘及其在高校教学系统中的应用

简要介绍了数据挖掘技术，详细分析了关联规则挖掘算法。给出了一个完整的数据挖掘系统一教学系统的设计与实现过程。它包括数据的准备与选择、数据的预处理、挖掘算法的选择与实现、挖掘结果的描述四个步骤。文中详细介绍了上述各个步骤的处理过程，并增加了兴趣度阈值来提高挖掘的精度，为高校管理决策提供了科学依据。     

基于Web的数据挖掘应用模式研究

如何对Web上的海量信息进行高效的应用 ,使之能做到信息处理的智能化、个性化、自动化 ,是当今数据挖掘技术的最重要的应用。本文从分析Web上数据信息的特点入手 ,研究面向Web的数据挖掘需解决的主要问题 ,提出了一种基于Web数据挖掘的应用模式框架 ,并着重从功能的角度介绍了Web数据挖掘的演进过程。     

分布式数据挖掘综述

随着网络技术、通信技术等的不断突破,互联网、移动网、广电网等多种类现代网络及其衍生业务迅速扩张,形成泛在于网络空间的分布式计算环境。为了最大化这些数据的价值,需要利用数据挖掘技术发现其中隐藏的模式或规则,用以指导和辅助生产或运营中的管理决策行为,以提高决策水平及决策收益。然而,受到普遍存在的异构性、私有性和平台兼容性等限制,兼因行业竞争和法律约束等因素(如个人或企业的数据隐私保护问题等),互联于网络的数据源难于进行集中式挖掘,分布式数据挖掘(DDM)技术应运而生。介绍了DDM的定义与框架、适用场景和研究挑战。根据文中给出的DDM高层架构,最终结果的质量与局部数据源的类型、可用性、局部结果的质量及整合方法等密切相关。DDM的实施未必都以站点间纯粹独立挖掘的方式进行,此外,对于数据集中,系统分布式站点多的情况,也可采用DDM。当前,DDM研究领域的挑战主要有:异构与同构挖掘、动态环境下的数据多变性、通信开销、知识整合和语义异构等。当前的DDM系统被分为4类:1)基于Multi-Agent的系统,利用Agent的自治性实现局部挖掘以保护数据私有性;利用Agent的主动性减少用户参与以提高挖掘自动化水平;利用Agent的协作性实现多算法协同挖掘等;2)基于网格的系统,利用网格在资源共享、开放服务和协同工作等方面的优势,提高挖掘的可靠性和协同性;3)基于元学习的系统,通过元学习优化挖掘算法的选择与组合,并对已获知识进行多次学习以提高结果质量;4)基于CDM(collective data mining)框架的系统,将待学习的函数表示为一组基函数的分布式存在,允许各数据源选择不同的学习算法,并以全局结果正确为前提减少网络通信量。进而,对当前DDM研究存在的共性问题进行了归纳:1)结果质量问题,不考虑各个站点数据源间的内在语义联系,各站点独立挖掘本地数据,与其他站点间无语义层面的数据交互或融合,形成纯粹的"分割式"挖掘,最终导致全局结果质量受损;2)挖掘效率问题,如何调度资源以平衡挖掘负载、减少协作挖掘中的通信开销问题。针对结果质量问题,探讨本体与数据挖掘的结合。作为语义网的基础,本体能为对象语义距离度量提供有效支持。当前,在利用本体描述挖掘任务的领域背景方面,利用本体描述DM过程本身方面,都已经有研究人员进行了探索性工作:针对关联规则挖掘中需要从海量规则中遴选有效规则的问题,提出了交互式的、用于删减冗余规则的挖掘后处理方法;针对在给定知识发现过程的输入和输出类型前提下,知识发现工作流的自动构造问题,提出了解决方法。通过阐述可知,为了提升分布式挖掘过程中局部结果和最终结果的质量,策略之一就是将DDM理论和本体理论作融合,以数据源间语义距离的度量为突破口,建立语义距离度量的复合量化体系,通过构建和求解新型DDM模型来实现目标。     

Web数据挖掘技术初探

Web数据挖掘是目前信息技术中的研究热点,它是现代科学技术相互渗透与融合的必然结果。讨论Web数据挖掘技术中各种类型的Web数据挖掘的基本过程以及它们所使用的一些相关技术,分析Web数据挖掘的特点及面临的挑战.     

数据挖掘在高校图书馆中的应用

以西安工程大学图书馆为实例，把数据挖掘技术应用于图书馆读者管理中．以“西安工程大学图书馆自动化管理系统”中的馆藏数据、读者信息及历史借阅记录等作为基本数据源，采用SPSS、MATLAB作为数据挖掘工具，基于不同角度对西安工程大学图书馆图书分类、入库比例以及各学院借阅量排名进行对比细分，探讨数据挖掘技术在图书馆中的应用．对比分析发现，数据挖掘技术可以更细致地了解读者分布情况及图书需求情况，实现图书馆的科学化管理，更好地进行资源优化配置．     

WEB数据挖掘研究与探讨

随着WWW迅猛发展,WWW上的信息量不断增加,如何在这些信息中找到用户真正需要的内容,成了数据组织和web相关领域的专家学者关注的焦点.为了解决这个问题,把数据挖掘的理论和技术应用于WWW,出现了一个新的研究领域-Web数据挖掘.主要介绍了Web数据挖掘的原理、应用、实现以及它的最近发展情况.     

基于数据挖掘技术的客户关系管理系统

针对数据挖掘技术是实现客户关系管理的重要工具，介绍了客户关系管理系统，着重分析了应用在CRM中的数据挖掘技术，探讨了其商业价值。     

数据仓库技术在金融系统中的应用

数据仓库技术是计算机数据库系统发展的新方向 ,近几年来许多专家为此付出很大的精力 .信息大量存在于计算机处理的系统中 ,这些信息被并没有得到充分的利用 ,通过人工智能技术 (包括数据挖掘、基于知识与规则的专家系统、神经网络等 ) ,信息才能被加工、分析、产生决策支持效果 .本文根据金融界对数据仓库的需求 ,重点介绍数据仓库的数据采集、数据加载、具体应用的过程 .使数据仓库作为未来金融市场的预测、决策分析有着重大影响的关键技术 .     

矿业信息异构数据的共享

随着信息化技术的普及与发展,早期所使用的各种矿业信息由于其数据具有海量性、多源性、空间性、时间性、形式多样性(文件、文本、图形等)等特点,使得矿业信息共享成了一个难题。文中提出基于XML技术的异构信息系统数据集成框架,以XML统一的信息描述标准去定义各种数据源中的数据,使实现异构数据源的信息集成与信息平台的查询和检索等数据互访成为可能。     

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．