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．     

数据挖掘技术及应用

数据挖掘技术是数据库研究中最活跃的分支之一，它综合支用人工智能、数据库、机器学习等多个领域的理论和技术，已成功地应用于金融分析、市场分析等多个领域。文章介绍了数据挖掘的目标、方法、一般过程及其应用情况。     

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。     

数据挖掘综述

从人工智能、统计分析和数据库技术3个方面对数据挖掘技术进行了总结;从模式识别的角度讨论了数据挖掘技术的主要任务,包括分类、聚类、回归、关联、序列和偏差6种模式的识别.详细介绍了数据挖掘技术的常用方法,包括模糊理论、粗糙集理论、云理论、证据理论、人工神经网络、遗传算法以及归纳学习.列举了当前数据挖掘技术的实际应用场合,并指出其今后的发展趋势以及急需关注的问题.     

数据挖掘方法分析与评价

文章首先介绍了数据挖掘的概念及其产生的背景；数据挖掘的基本方法的原理、特点、优缺点以及应用范围；并且概述了几种常用的数据挖掘方法，即分类和聚类分析。其次，列举了几种复杂类型数据挖掘方法，如空间数据库、多媒体数据库等，以及一些与社会生活息息相关密切相关的数据挖掘。最后，介绍了数据挖掘的发展趋势。     

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。     

数据挖掘技术浅析

介绍了数据挖掘的由来、概念、功能、应用领域，指出了数据挖掘与传统分析方法的区别，通过翔实的事例，提出了数据挖掘的服务性、大众性、效益性等特点。     

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。     

数据挖掘技术及其应用

数据仓库是信息领域中近年来快速发展起来的一种技术，指出了分析数据仓库内容有2种基本的方法：联机分析处理和数据挖掘；讨论了联机分析处理的体系结构，提出了数据挖掘中一些常用的方法：决策树、关联及数据统计分析、神经网络和最近邻方法；介绍了数据挖掘的应用。     

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.     

数据仓库与联机分析处理技术综述

本文针对数据仓库DW,OLAP和数据挖掘DM三种技术进行了分析综述。     

数据挖掘技术在医药ERP系统中的应用

本文首先介绍了数据挖掘的相关知识,主要介绍了一种改进的关联规则算法,并把它应用到医药ERP系统中来对医药产品进行关联分析,最后给出一个简单的实例。     

数据挖掘及其在电子商务中的应用

随着网络技术的发展和计算机使用的日益广泛,电子化数据越来越多,人们面临“数据丰富而知识贫乏”的问题。如何才能不被信息的汪洋大海所淹没。从中及时发现有用的知识,提高信息利用率呢？八十年代末兴起的数据挖掘技术,为解决此问题开辟了一条道路。本文简单阐述了数据挖掘技术、Web数据挖掘及电子商务,分析了Web数据挖掘在电子商务中的应用和展望。     

面向电子商务的Web数据挖掘应用研究

过去几十年里,伴随着电子商务的飞速发展,Web已迅速发展成为世界上规模最大的公共数据源.如何从网络上大量的信息中找出真正有价值的信息和知识,已成为企业和商家所密切关注的问题.本文简要介绍了电子商务、数据挖掘及Web数据挖掘等内容,并对Web数据挖掘技术在电子商务中的应用进行了探究.     

一种聚类挖掘软件数据的方法

提出了一种聚类挖掘软件数据的方法。首先将一组软件数据的最可能分类情况称为“中心知识”。将该组数据的所有可能分类结果称为“知识的浮动域”，最后将“中心知识”对应分类的可信程度称为“知识的正确度”。分类结果的评价标准主要考虑到：分类数目适中，每个类内半径尽可能小，类间距离尽可能大的分类结果具有较高的评价分数。进行的“软件数据挖掘实验”结果表明，这种方法更加准确、更加切合实际。从理论和实践上证明了软件数据挖掘具有广阔的发展前景。     

数据挖掘技术在电子商务中的应用

对于企业而言,数据挖掘有助于发现业务发展的趋势,帮助企业做出正确的决策,使企业处于更有利的竞争位置。数据挖掘中应用的技术包括经典的统计、邻近、聚类,也包括最新发展起来的决策树、神经网络和关联规则等一些较新的方法。当实际开发一个数据挖掘系统时,究竟应该选择哪种数据挖掘技术,往往是一件很困难的事情。本文结合数据挖掘技术在电子商务中的应用,提出选择数据挖掘技术的两个重要依据,以便开发出有效、实用的数据挖掘系统。     

数据挖掘模型选择的通用建模研究

现阶段数据挖掘模型的选择与专家的经验密切相关,有经验的专家就会选择良好的,优质的模型,使得挖掘工作高效、准确;反之,就会浪费时间,或得不到理想的结果,因此数据挖掘模型的设计和选择是挖掘工作的关键。本文要建立一个模型,实现挖掘目标的特征集与挖掘算法集合间的对应关系。应用该模型,用户可以得到最佳的挖掘方法,应用这种挖掘方法就可最好地实现挖掘目标。     

数据立方体中多维关联规则挖掘算法

数据立方体是数据仓库中数据组织和存贮的重要手段，它采用多维立体数据存贮方式来取代传统的平面数据存贮方式，为进行多维数据分析提供了根本保证。本文通过对稀松和密质两类立方体进行分析，给出了分别针对这两种情况的多维关联规则挖掘算法，并通过实验对其在不同情况下的性能进行了分析，结果证明，两种算法在特定情况下的效率提高是十分明显的。     

数据挖掘及其在客户关系管理中的应用

客户资源现已成为企业最重要的战略资源之一，企业为此也花费大量资金构筑客户关系管理（CRM）系统。现如今，企业面临的问题不是该怎么管理客户数据，而是如何将存在系统中的海量数据转换为知识，指导企业高层决策者制定最优的企业营销策略，降低企业运营成本，增加利润，加速企业的发展，而数据挖掘技术的发展恰好满足了企业的需求。