KDD在高校教育中的应用

以KDD（KnowledgeDiscoveryinDatabase,数据库中的知识发现）理论为基础,深入剖析当前高校教育技术信息化、网络化的状况,介绍了KDD技术发展状况以及数据挖掘在高校教育中的具体应用,归纳总结了KDD技术在现代教学过程中的应用空间及功能,并提出一些思考。     

数据挖掘技术及其应用的研究

数据挖掘是计算机行业中发展最快的领域之一,它使数据库技术进入了一个更高级的阶段,已经迅速扩大成为一个独立的领域。本文指出了数据挖掘与数据库知识发现过程中的关系。总结了数据挖掘实现所面临问题及其任务,最后介绍了数据挖掘的实际应用。     

数据挖掘与知识发现

数据挖掘和知识发现技术是人们长期对数据库技术进行研究和开发的结果.随着数据库应用领域的不断拓展,为满足应用对数据处理不断"苛刻"的要求,数据库系统必须引入新的数据处理技术.如何从大规模数据库中发掘深层次的知识和信息,而不仅仅是那些从传统数据库查询方法所获得的内容,这方面的研究正受到越来越多的关注.本文重点介绍了数据挖掘(Data Mining)和知识发现(Knowledge Discovery in Databases)中的一些内容:包括数据挖掘的定义、方法、任务等,最后还讨论了本领域未来的发展和面临的挑战.     

多智能体技术在基于双库协同机制的知识发现KDD*模型设计中的应用

KDD^*模型是基于双库协同机制的知识发现新模型，是结构化数据挖掘领域研究的一个新的分支。为了进一步提高KDD^*的智能性，设计了一个基于Multi-agent技术的智能数据挖掘系统，利用多智能体技术，实现了数据预处理，数据挖掘，知识的自动获取，基础数据库与知识库的同步进化与协调，知识的评价与表示等功能。     

浅谈数据挖掘

数据挖掘是在大量的数据中发现潜在的、有价值的模式和数据间关系（知识）的过程。经过十多年的工作,数据挖掘技术的研究与应用已取得了很大的成果。本文介绍了数据挖掘的概念、任务、方法以及数据挖掘的过程中要注意的问题。     

数据挖掘技术在物流信息系统中的应用

KDD（＇Knowledge Discoveryin Databases的缩写）是人工智能技术和数据库技术相交叉的一个热门研究领域,已经受到越来越多的关注。数据挖掘（DataMining,简称DM）是KDD的一个十分重要的步骤,其内容涉及数据集成、各种知识模式的提取、知识的评价与表示等。信息化物流网络体系产生的巨大数据流,使企业很难根据这些数据进行准确、高效的决策。数据挖掘技术能够帮助决策者快速、准确地做出决策,实现对物流过程的控制,提高企业的运作效率,降低整个过程的物流成本。     

用关联规则对青海省检验质量控制数据库进行知识挖掘

数据挖掘(DataMining)就是从大型数据库或数据仓库中发现人们感兴趣的知识,这些知识是隐含的,事先未知的潜在有价值的知识及信息.大型数据库中关联规则的发现是近期数据库中知识发现(KDD)的一个很重要的问题,由于决策人员或用户往往需要的是一种高层次概念上的关联关系,因而本文就在数据库中关联规则的数据挖掘进行了初步的尝试,并提出其基本的泛化处理过程,和基本数据挖掘思想和处理过程.主要介绍了数据挖掘的基本概念1、对数据类型的泛化处理.2、提取高层次关联规则的方法.及知识发现的基本要素等理论知识.     

数据挖掘的基本过程及方法

知识发现与数据挖掘是人工智能、机器学习与数据库技术相结合的产物。随着科学数据大量积累和各种数据库的普遍使用，人们又逐步认识到海量数据的利用十分困难、效率低下，而且从中难以获得有价值的指导性意见。另一方面，更多带规律性的信息和知识又往往被大量原始数据淹没。在这种情况下，数据挖掘技术就应运而生，出现在众多学科领域，成为一种强大的化学信息技术。     

文本数据的数据挖掘算法

针对目前大量存在的文本数据,以已有的结构化数据挖掘技术为基础,提出了非结构化数据的知识发现方法－树形分层数据库方法,对文本数据进行分析,将非结构化数据准结构化,存放入树形分层数据库中,利用已有的数据库技术以及树形分层数据库特有的一些操作,实现在知识发现过程中对数据的抽取与控制,并给出了具体的模型与过程。     

计算技术对中医方剂知识的挖掘

 以中医方剂为研究对象,运用数据库挖掘、不确定性推理、机器学习等计算技术构建了一个数据挖掘平台;采用自主研制的“中医方剂数据库系统”（CPDBS）、“中医方剂智能分析系统”（CPIAS）、“中医方剂分类模式识别系统”（CPSVM）等软件,对中医方剂知识进行了挖掘研究。在中医方剂内涵知识的发现、方剂知识要点的形式化与量化计算、方剂模式分类识别等方面的研究成果表明：把对中医方剂知识的挖掘作为解读中医诊治思维的切入点,是实现把人的“经验”转化为“知识”的有效途径,对中医学的现代化研究具有现实意义。     

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。     

网站用户偏好度的数据挖掘模型

数据挖掘和数据库知识发现是当前国际科技界的一个研究热点。这是一个介于统计学、模式识别、人工智能、机器学习、数据库技术以及高性能并行计算等领域的交叉新兴学科,具有极为广泛的应用前景。在基于统计学观点的基础上讨论了网站用户偏好度的数据挖掘模型,设计了一个网站用户信息浏览偏好度的数据挖掘模型。     

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。     

数据挖掘技术在预测农作物生长过程中的应用研究

数据挖掘是一种决策支持过程.它主要融合了人工智能、统计学、数据库、机器学习等领域的技术.其目的是在大量的数据中发现有价值的信息,故又称为数据库中的知识发现.随着多种农业数据的增加,人工分析会变得越来越难.作者采用数据挖掘技术预测温室作物生长,因作物生长是时序性的,在时序模型转化为关系模型时,引入程度副词来进行转换,而在预测作物的生长时,又提出了在作物生长的历史数据中提取潜在规律并采用数据挖掘技术,通过与其他预测技术的比较,发现运用数据挖掘的方法具有较高的预测精度.     

基于OLE DB For DM规范的数据挖掘应用

数据挖掘是一种从数据库中发现规则和知识的自动或半自动的方法。微软公司的数据挖掘解决方案基于OLEDBforData Mining规范，是在数据挖掘标准化方面的突破，它必将推动数据挖掘技术的快速发展和广泛应用。文中结合实例介绍了此规模有基于该规范的数据挖掘应用开发构架构。     

时间序列数据库中的数据挖掘

本书是《机器感知与人工智能》丛书的第57卷。主要内容为现代信息系统存储的时间数据中预处理、挖掘与解释中的某些新进展，并将时间维数加到数据库中产生时间序列数据库（TSBD）。书中介绍了数据挖掘与知识发现中的新的状况与挑战。其中包括寻找时间序列数据的有效表达方法，测量时间序列的相似性，检测时间序列的改变点以及时间序列的分类与聚变。     

Web Agent在空间数据挖掘框架中的应用

空间数据是人们认识自然和改造自然的重要数据，SDMKD是利用数据挖掘方法从空间数据库抽去知识以及步骤的人机交互工程。网络作为巨大的分布式并行信息空间，在其中进行知识发现更具有意义。本文在分析数据挖掘、空间数据挖掘、Web Agent的概念和技术特点的基础上，笔者给出了一个利用Web Agent在Internet上实现空间数据挖掘的基本框架，并进行了实现验证。     

一种新型的基于多智能体的KDD系统结构

介绍了数据库中的知识发现（knowledge discovery in database,KDD)及数据挖掘（data mining,DM）研究领域的发展现状，分析了现有DM算法的局限性和KDD过程的复杂性，针对这些，进一步分析了多智能体系统（multi-agent system)可能给KDD系统带来的改善，最后设计了一种分层的，以控制Agent为核心的基于多智能体技术的KDD系统结构。     

适用于知识发现与数据挖掘的分解方法

数据挖掘是一门研究数据以便发现以前未知模式的科学技术，它是数据库知识发现（KDD）过程的一部分。多分类器方法学被认为是征服下列挑战的有效方法，即为了达到最大程度的可靠性、可理解性及复杂性，了解怎样利用各种技术。该方法学的基本思想是建立由多个模型集成的模型。研究人员在两种分类器方法学之间做了区分，即总体方法学和分解方法学。     

数据挖掘技术研究

随着信息技术迅速发展，数据库的规模不断扩大，产生了大量的数据。但大量的数据往往无法辨别隐藏在其中的能对决策提供支持的信息，而传统的查询，报表工具无法满足挖掘这些信息的需求。因此，需要一种新的数据分析技术处理大量数据，并从中抽取有价值的潜在知识，数据挖掘（Data Mining）技术由此应运而生。本文主要介绍了数据挖掘的基本概念，以及数据挖掘的方法。