数据挖掘在医疗数据中的应用

决策树是医疗数据挖掘中一种重要分类方法,针对原始医疗数据存在大量重复样本和冗余属性,影响医疗诊断的精度和速度这一问题,提出了一种基于粗糙集和ID3算法相结合的决策树方法.将所提方法应用于冠心病诊断决策,并对属性约简前后的决策性能进行了比较分析.实验表明了该方法的有效性和实用性.     

知识发现过程中数据采掘的方法和应用

从信息系统发展的角度综述了知识发现及知识发现过程中数据的方法和应用。     

面向知识发现的数据分类技术在网络教学中的应用研究

提出将数据挖掘技术应用于网络教学平台的设计,采用决策树分类方法从学习者的大量信息中分析学习者的学习能力,构建学习者特征模型,提高网络教学对不同学习者个体的针对性,为实施个性化教学提供决策支持.     

医疗数据的清洗以及知识挖掘

数据挖掘或数据分析在生物医学中与其他调查领域不同,因为在生物医学领域这些数据很复杂,他们资源不同,且每一个医师对同一个诊断记录都有他们自己的解释.分析医疗数据的特征,研究数据的清洗,目的是为了挖掘有价值的知识.实验显示,所提出的方法比朴素贝叶斯网络模式更有效.     

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。     

基于凸Rough集的数据约简和规则发现研究

为了有效地从凸序列中约简数据和发现知识，解决Rough集集中的凸序列问题，在深入研究凸序列和Rough集理论的基础上，提出了凸Rough集模型，定义了凸Rough集和凸Rough集糊集，给出了凸Rough集糊集的隶属函数和应用凸Rough集进行数据约简及规则发现的算法，最后分析了一个应用案例，验证了模型的可行性，表明应用凸Rough集模型可以更好地进行数据约减和规则发现。     

用神经网络来进行数据库中知识发现

讨论了数据库中的知识发现的基本技术，提出了一种适用于数据挖掘的神经网络方法，并给出了神经网络数据挖掘系统的构造过程，应用结果表明该方法是可行有效的，并对该方法进行了深入的讨论。     

基于知识发现的数据挖掘技术分析与研究

本文提出一种新的基于知识发现的数据挖掘技术：挖掘转移规则。首先分析关联规则的不足,并给出转移规则的形式模型和模板算法,最后讨论挖掘转移规则的应用和发展。     

数据挖掘中关联规则和决策树的应用

关联规则应用最频繁的是在零售部门,尤其是超市。以某超市一天中的商品销售记录为例来说明关联规则的应用,从中发现客户的购买模式和消费习惯。决策树分类方法的应用中,对于汽车销售公司的客户定位进行了分析,区分了男性和女性的偏好。销售公司可以据此对客户进行具体定位,促进销售。     

基于决策树的流数据分类算法综述

流数据是一种有别于传统静态数据的新的数据形态,随着时间的推移而不断产生,而且富含变化.流数据分类是数据挖掘的研究分支,用于发现数据中隐含的模式并实现数据的类别划分,通常将每一个类别称作概念.将传统决策树算法引入流数据分类,针对流数据的特征提出特定的分类算法,是流数据分类的一个主要研究分支.为了全面介绍基于决策树的流数据分类算法,首先,简要概述数据挖掘及主要任务、决策树及其主要算法、流数据及其主要特性;然后,按照算法是否考虑概念漂移问题,将现有工作划分为包含概念漂移的流数据分类算法和不含概念漂移的流数据分类算法两大类,分别介绍每一类算法的主要算法流程、优缺点和典型应用;最后,指出基于决策树的流数据分类的进一步研究方向.     

决策树算法在医学图像数据挖掘中的应用

目的研究决策树算法在医学图像数据挖掘中的应用。方法利用决策树算法对乳腺癌图像数据进行分类，提出了一个基于决策树算法的医学图像分类器。结果实现了ID3和C4．5算法对图像数据的分类，获得了分类的实验结果。结论该模型系统达到了较高的分类准确率，证明数据挖掘在辅助医疗诊断中有着广泛的应用前景。     

SDH告警中的知识发现

TMN在电信网中起着越来越重要的作用，通信网的发展，要求网络管理向智能化方向发展．运用人工智能中知识发现和数据挖掘的方法，可以实现知识的自动获取．故障管理是网络管理的重要方面，本论文运用知识发现的方法对TMN子系统-SDH网管系统中传输告警的关联关系进行了挖掘．论丈运用知识发现的方法，以中国电信四川SDH网管系统中的告警数据为例，实现了SDH传输告警关联关系的挖掘算-Apriori算法；分析了重复告警对单前题规则可信度的影响，对算法做了改进，提高了规则的可信度，有利于发现重大告警；讨论了逆规则对规则有效性的影响，对算法进行了进一步的改进，减少了无效规则；对冗余规则进行了压缩，得到了更简明的挖掘结果；分析了部分挖掘结果和算法复杂度．     

基于决策树的知识表示模型及其应用

针对数据挖掘过程中的数据库精炼问题,在分析现行属性约简方法的特点和不足的基础上,结合决策树算法操作简单、分类速度快的特点,通过知识的规则化描述以及规则族之间的相似性比较,建立了一种基于决策树的属性约简方法（简记为BD-RED）,讨论了规则族之间的相似性度量的可释化构建问题,给出了BD-RED的具体实施策略,并结合实例分析了BD-RED的性能。结果表明,BD-RED具有良好的结构特征和较强的可操作性,可以有效实现不同决策理念下的属性约简,适合不同类型的大规模数据库的属性约简。     

数据挖掘之决策树方法概述

数据挖掘在科研和商业应用中正发挥着越来越重要的作用。分类器是数据挖掘的一种基本方法，决策树是一种最重要的分类器。本文介绍了分类器中的决策树方法及其优点，决策树表示法，决策树构造思想，并比较了各种重要的决策树算法。介绍了决策树算法的实现工具，决策树与数据仓库的结合，决策树的适用范围及应用，最后探讨了决策树的发展趋势。     

数据挖掘技术的常用方法分析

 介绍了数据挖掘的概念及任务,阐述了数据挖掘技术中的常用方法和Apriori算法,并对数据挖掘的一些算法作了简单分析.     

决策树在调查数据中的应用

随着数据量的急剧增长,根据数据分布寻找规律,并据此进行分析决策,往往需要借助相应的数据挖掘工具,通过训练样例对其参数进行调整和逼近,以达到较好的预测及分析效果,为决策提供支持．利用机器学习中决策树的方法对一组网上民众调查数据进行了学习和预测,并对决策树进行了改进和效果分析．     

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．     

决策树挖掘技术在手术诊断上的应用研究

在解决分类问题的各种方法中,决策树是比较常用的一种方法。基于决策树理论,在 ID3算法基础上提出基于悲观错误剪枝的后剪枝算法,并将其运用于医疗系统手术诊断的数据挖掘分析过程中,所得实验结果与专家诊断结果基本吻合,取得了较好的实际应用效果。