基于空间数据库的数据挖掘技术

探讨扩展传统数据挖掘方法如分类、关联规则、聚类等到空间数据库的方法，着重对空间数据库系统实现技术及空间数据挖掘系统等进行比较分析，提出了一种空间数据挖掘系统的实现模式。     

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。     

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。     

空间数据挖掘技术及其智能推理体系结构

面对数据的数量和复杂性急剧增加的问题,首先讨论了数据挖掘技术的研究进展,并对数据挖掘在空间数据库中的应用进行了深入地探讨。然后提出三种基于空间数据挖掘、空间数据仓库、智能决策支持系统（IDSS）和范例推理（CBR）技术的智能推理体系结构,并对这三种体系结构的优劣进行了分析对比,其中以第三种结构为优。最后对空间数据挖掘在各领域中的应用前景以及有待解决的问题进行了展望。     

主动时态数据库在数据挖掘中的技术和应用

针对目前数据越来越多 ,而提取有用数据越来越困难的现状 ,参照流行的观点 ,提出了解决该问题的数据挖掘 (DM)和知识发现 (KDD)的一种方法 .在DM和KDD中应用主动时态数据库技术 ,提出构造一个原型系统的模型     

数据库中关系规则的数据挖掘

关联规则算法是数据挖掘中的核心技术 ,本文给出了数据库中挖掘关系规则的一种新算法 ,该算法通过二次扫描 ,第一次将可能出现的频繁项目集加入到ISC中 ,第二次扫描采用逐步求精算法将频繁项目集加到项目集中 ,减少了数据库的扫描次数     

数据库中关系规则的数据挖掘

关联规则算法是数据挖掘中的核心技术,本文给出了数据库中挖掘关系规则的一种新算法,该算法通过二次扫描,第一次将可能出现的频繁项目集加入到ISC中,第二次扫描采用逐步求精算法将频繁项目集加到项目集中,减少了数据库的扫描次数.     

SDML:基于空间数据库的空间数据挖掘语言

设计了一种基于空间数据库的空间数据挖掘语言SDML.根据SDML操作的对象以及挖掘过程的不同阶段,SDML语言可以分为视图操纵语言和模型操纵语言,分别负责对于数据挖掘视图和模型的操作.详细阐述了SDML的设计思想及其设计方案,针对空间泛化和空间关联这两个典型的空间数据挖掘问题,给出了SDML解决方案.     

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.     

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。     

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。     

数据挖掘技术在地理信息系统中的应用

地理信息系统(GIS)可提供大量信息,但却无法发现数据中存在的关系和规则,利用数据挖掘技术可以从GIS数据库中挖掘出隐含的知识和空间关系,从而增强GIS的功能。     

空间数据挖掘的研究与应用

空间数据挖掘就是从空间数据库中抽取隐含的知识、空间关系或是空间数据库中存储的其他的隐含的模式的过程 空间数据挖掘在地理信息系统(GIS)、空间遥感、测绘、资源和环境管理等很多领域有广泛的应用前景 本文对空间数据挖掘的具体应用进行了探讨.     

空间数据挖掘技术

空间数据挖掘是数据挖掘的一个分支,在地理信息系统、遥感、导航、环境研究以及许多使用空间数据的领域中有着广泛的应用。阐述空间数据挖掘的定义、特点、体系结构与一般过程,介绍空间数据挖掘的方法和知识表达方法,指出空间数据挖掘的主要研究方向,提出开发空间数据挖掘系统的几点思考。     

VDM算法在数据采掘中的应用

介绍了在数据库知识发现(KDD)中将连续属性离散化的一些方法,并提出使用值差分度量离散化的算法.值差分度量算法原本是用于计算离散属性值间的距离,但实际上将这种方法反过来用于连续属性的离散化也可以有相当好的效果.将其与传统的使用统计量χ2的离散化算法作了比较.     

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.