浅谈数据挖掘技术及其应用

随着现代信息技术、通讯技术、数据库技术、网络技术、数字化图书馆和计算机技术的高速发展及数据库管理系统的广泛应用,使得数据库存储的数据量急剧增大。面对“堆积如山”的数据集合,传统的数据分析手段都难以应付,造成大量数据资源的浪费,因此需要新的技术来自动、智能和快速地分析海量的原始数据,以使数据得以充分利用,由此引发了一个新的研究方向：数据挖掘与知识发现的理论与技术研究。数据挖掘技术在分析大量数据中具有明显优势,基于数据挖掘的分析技术在金融、保险、电信等有大量数据的行业已有着广泛的应用。     

浅谈数据挖掘技术及其应用

科技的进步,特别是信息产业的发展,把我们带入了一个崭新的信息时代。数据库管理系统的应用领域涉及到了各行各业,但目前所能做到的只是对数据库中已有的数据进行存储、查询、统计等功能,通过这些数据获得的信息量仅占整个数据库信息量的一小部分,如何才能从中提取有价值的知识,进一步提高信息量利用率,因此需要新的技术来自动、智能和快速地分析海量的原始数据,以使数据得以充分利用,由此引发了一个新的研究方向:数据挖掘与知识发现的理论与技术研究。数据挖掘技术在分析大量数据中具有明显优势,基于数据挖掘的分析技术在金融、保险、电信等有大量数据的行业已有着广泛的应用。     

浅谈空间数据挖掘与WebGIS的结合

本文对空间数据挖掘技术融入到webGIS及其实现技术进行了探讨,以期使WebGIS具有较强的辅助决策功能。     

数据仓库与数据挖掘技术浅谈

数据仓库与数据挖掘技术是信息领域的两个热门话题，掌握这两项技术是信息社会的必然趋势。本首先介绍了数据仓库产生的背景、定义以及它的体系结构，然后介绍了数据挖掘的定义、处理阶段以及相关的模式，最后介绍了基于数据仓库的数据挖掘技术，使读对这两项技术有一个全面的了解。     

数据挖掘技术研究

介绍了数据挖掘这一新兴技术的基本原理、历史和未来的研究发展以及国内存在的问题．     

知识发现和数据挖掘的研究

近年来，随着信息产业的急剧发展，数据大量地产生和搜集，使得传统的数据管理方法不能有效地使用这些数据为人们服务。于是，人们不得不去寻找一种新的方法和技术，使之能够智能地、自动地将这些数据转化处理为有用的信息和知识。知识发现和数据挖掘（ＫＤＤａｎｄＤａｔ...     

数据挖掘中的序列模式

探讨了数据挖掘中序列模式的概念和作用，并对其实现过程所用程序流程的方式进行了说明，讨论了几种不同的实现算法。     

数据挖掘技术研究

介绍了数据挖掘这一新兴技术的基本原理、历史和未来的研究发展以及国内存在的问题.     

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。     

数据挖掘技术及其应用

数据挖掘是一个年轻而充满生机的领域,面对海量的数据,它可以对这些数据进行统计、分析、综合和推理,找出我们感兴趣的有价值的信息,以指导实际问题的求解,发现事件间的相互关联,甚至利用已有的数据对未来的活动进行预测。数据挖掘技术已经涉及市场分析、欺诈检测、科学研究、顾客保有等多个方面,正在蓬勃发展。本文主要讨论数据挖掘技术的一些基本概念及其应用情况。     

数据挖掘技术及其应用

近十几年来,人们利用信息技术生产和搜集数据的能力大幅度提高,数据库系统在商业管理、政府办公、科学研究和工程开发等诸多领域得到广泛应用,这一势头仍将持续并发展下去。于是,面对信息产业的发展提出一个新的挑战:在这被称之为信息爆炸的时代,信息过量几乎成为人人需要面对的问题。如何才能不被数据的汪洋大海所淹没,并从中及时发现有用知识,提高信息利用率,成为一个企业的资源,为企业的业务决策和战略发展服务,否则大量的数据可能成为包袱,甚至成为垃圾。因此,面对"人们被数据淹没,人们却饥饿于知识"的挑战,数据挖掘和知识发现(DMKD)技术应运而生,文章主要对目前常用的数据挖掘技术以及其在各行业应用情况进行了概述。     

空间数据库的数据挖掘

分析了传统数据挖掘方法面临的问题,介绍了空间数据挖掘的基本特征和空间数据库的知识发现过程,论述了几种空间数据挖掘的方法。     

数据挖掘技术及其应用研究

数据库中的知识发现(Knowledge Discov-ery in Database,简称KDD)是一个新兴的人工智能与机器学习技术相结合的研究领域,它是基于人工智能、机器学习、模式识别、统计学等技术,高度自动化地分析大量的数据,从中挖掘出潜在的规律,为作出正确的决策服务.随着数据量的急剧增长,一些大型数据库的规模已经远远超过人工所能分析的程度,需要通过数据库中的知识发现技术来解决,因而有着广阔的应用前景.     

数据挖掘与智能化信息处理研究

数据挖掘(Data Mining)是智能化信息处理中一个很有价值的课题，它融合了数据库、人工智能、机器学习和统计学等多个领域的理论和技术。本文介绍数据挖掘系统的体系结构、数据挖掘的任务、方法及应用，讨论了数据挖掘研究的发展趋势。     

数据挖掘技术在移动通信中的应用

研究了应用于移动通信业的数据挖掘系统,以实际运行数据说明了关联规则挖掘和分类模型挖掘在移动通信中的具体应用．     

基于粗糙集的数据挖掘

粗糙集理论是一种研究不完整、不确定知识处理的数学工具，近几年来在机器学习、知识发现、算法研究、工程应用、决策支持系统以及模式识别等应用中取得了较好的成果，阐述了粗糙细论的基本思想，介绍了人工智能中数据挖掘的一般过程及其方法。     

数据挖掘技术及其应用

数据挖掘是数据库研究中一个很有应用价值的课题,它融合了数据库、人工智能、机器学习等多个领域的理论和技术,本文介绍数据挖掘系统的体系结构、数据挖掘的方法及应用。     

数据挖掘技术及其在通信行业中的应用

数据挖掘是一种新的商业信息处理技术,其主要特点是对商业数据库中的大量业务数据进行抽取,转换,分析和其他模型化处理,从中提取辅助商业决策的关键性数据。简而言之,数据挖掘其实是一类深层次的数据分析方法,可以描述为：按企业既定业务目标,对大量的企业数据进行探索和分析,揭示隐藏的、未知的或验证已知的规律性,并进一步将其模型化的先进有效的方法。本文介绍了数据挖掘技术的产生背景,并结合通信行业客户流失的预测与控制简要介绍了数据挖掘的实施过程。     

决策支持分析新技术—数据挖掘

数据挖掘是目前国际上智能信息处理和决策支持分析领域的最前沿的研究方向之一。因此对数据挖掘的基本概念、关键技术以及主要研究内容作一个综合性的介绍，并指出了数据控制技术的研究方向。     

粗糙集理论及其在数据挖掘中的应用

Rough sets理论被广泛运用于不确定环境下的信息处理.基于粗糙集理论的数据挖掘技术正日益受到计算机科学家和数学家的重视.笔者介绍了粗糙集理论的发展过程和基本特点,粗糙集理论在数据挖掘中的应用,以及典型的基于粗糙集的数据挖掘系统,并介绍了粗糙集理论的研究方向和研究领域,最后论述了粗糙集理论与其他智能化方法结合起来处理信息的必要性.