前向网络bp算法在数据挖掘中的运用

在研究过采用逐步添加训练数据和隐节点,达到避开局部极小点的方法改进ｂｐ算法的基础上,讨论该改进ｂｐ算法在数据挖掘中的运用。     

小波变换在数据挖掘数据预处理中的应用

数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取人们事先不知道的但是潜在的有用的知识和信息的过程,数据预处理是整个数据挖掘过程中的一个重要环节。小波变换是一种新的数学分析方法,广泛应用于信号处理、图形处理、模式识别、语言分析等众多领域。将小波变换应用在数据挖掘数据预处理中,能够得到良好的数据压缩效果。     

数据挖掘在客户信息管理中的运用

从大量的商业客户购买信息中挖掘出有用的知识无疑具有重要的商业价值．以某商业单位化妆品顾客的购买信息为例介绍了在商业客户信息管理中如何有效地使用数据挖掘技术获得有效的决策信息的方法。     

数据挖掘常用算法分析

在一个数据挖掘解决方案中,怎么样选取最佳算法是关键。本文总结分析了一些常用数据挖掘算法基本原理、适用范围及优点。     

一种混合训练算法在数据挖掘中的研究

针对BP算法存在的缺陷,利用遗传算法能够进行全局最优化搜索这一特点,在改进的自适应遗传算法的基础上,得到了一种新的用于BP网络训练的混合算法,即改进的自适应遗传算法与BP算法相结合的混合训练方法。讨论该算法在数据挖掘中的运用。     

数据挖掘现状及常规分类算法

数据挖掘（DM：Data Mining）是为了发现事先未知的规则和联系，而对大量数据进行选择．探索和建模的过程，目的是在于得到对数据库的拥有者来说清晰而有用的结果。利用数据挖掘，无疑能对决策支持起到充分的辅助作用。     

数据挖掘分类算法刍议

本文主要针对数据挖掘分类算法研究现状,对目前发展较成熟的几种分类算法如决策树、关联规则分类、神经网络、贝叶斯方法、遗传算法等分别进行了论述,并且展望了数据挖掘技术的未来。     

简谈数据挖掘算法

数据挖掘是一种在大型数据库中寻找你感兴趣或是有价值信息的过程。本文介绍了数据挖掘的定义,功能以及数据挖掘的过程,简单介绍了数据挖掘的常用算法,详细介绍了决策树算法,并对多种算法进行了比较,最后结合当前的研究成果,分析了数据挖掘领域的应用前景。     

数据挖掘中的负关联规则算法

关联规则是数据挖掘的主要研究方面,已往对关联规则的研究主要集中在挖掘征关联规则上,事实上,负关联规则在应用中的地位也是非常重要的     

浅谈数据挖掘中的聚类算法

数据挖掘是近年来非常热门的研究方向。聚类分析是数据挖掘的一个重要研究领域。本文归纳总结了数据挖掘中传统聚类算法,并对现今新发展的,比较热门的聚类算法进行了介绍。     

数据挖掘分类算法研究综述

随着数据库应用的不断深化,数据库的规模急剧膨胀,数据挖掘已成为当今研究的热点;特别是其中的分类问题,由于其使用的广泛性,现已引起了越来越多的关注。对数据挖掘分类问题的研究现状进行了综述:首先对研究比较多的基于判定树的归纳分类、基于人工神经网络的分类和基于统计的贝叶斯分类作了详细的讨论;然后对目前新提出的几种算法作了简要分析;最后根据数据挖掘的发展现状和研究重点对数据挖掘分类算法的发展趋势作了展望。     

一种用于数据挖掘算法的数据生成方法

由于受到保密性、时间和数据多样性等一些原因的限制,测试数据集的获取一直困扰着数据挖掘算法的研究.因此,提出一种基于遗传算法和熵的测试数据集的模拟生成方法,生成方法利用遗传算法具有继承性的特性对采集到的少量的真实数据进行扩充和模拟,用熵衡量生成数据与真实数据的相似程度,最终生成规模大的测试数据集,并给出了描述型数据的生成算法.使用此方法,可以生成同真实数据集具有相同的属性,相同的属性取值区间和属性值分布,类似属性关联关系的测试数据集,加速数据挖掘算法的研究进程.     

关联规则数据挖掘方法的研究

在数据挖掘技术中有很多研究领域,关联规则数据挖掘就是其中一个重要的研究方向,对它进行深入研究不仅有着重要的理论意义,而且有着极其重要的应用价值。分析和研究Apriori算法,针对该算法中存在的效率瓶颈问题,提出了一个改进的挖掘算法FDBM_Apriori算法,并实现了该算法。理论和实验证明,FDBM_Apriori算法具有良好的性能。     

基于小波的数据挖掘技术在Holter心电信号分析中的应用

针对数据挖掘技术的应用,分析了小波变换的多分辨率特性和带通滤波的本质．按照数据挖掘的思想提出基于二次微分小波概貌信号的Holter心电信号中R波极值点检测的数学模型,采用Mallat递归滤波的算法计算离散小波变换并用等效滤波器的思想对算法进行优化．该检测算法经MIT/BIH心律失常数据库的检验,R波有效检测率高达99%；在100多例临床测试中检测率也高达97%以上．该算法模块现已经应用到商业软件中并取得令人满意的效果．     

海量数据处理过程中数据挖掘算法的应用

信息时代的快速发展带来的是信息总量呈现几何级数的增加,而海量数据的存储和分析处理对计算机硬件能力和数据分析能力都是一个极大的挑战．数据挖掘算法是针对于大批量数据处理而提出并逐步发展起来的,基于完备的数据库技术,可以在云计算算法、矩阵压缩算法和并行关联算法的基础上,进行算法集成,能进一步提高数据挖掘的速度、精度和时效性,在实际海量数据的处理过程中有较好的适应性,为海量数据处理提供了新的技术分析方法．     

数据挖掘和数据仓库及其在电信业中的应用

介绍了数据挖掘和数据仓库技术的类型、结构和方法,并探讨了它们在电信业中的应用,最后对数据挖掘和数据仓库在我国的发展提出了建议。     

ECOC多分类算法在慕课数据挖掘中的应用

收集并整合多所高校学生的慕课学习行为数据,设计基于数据复杂度的纠错输出编码(ECOC)多分类算法.该算法利用数据复杂度降低多类之间的分类难度,从而提高算法的预测准确度.实验结果表明,在不同高校的慕课数据集的测试中,所设计基于数据复杂度的ECOC分类算法比传统的ECOC算法具有更高的分类准确度和鲁棒性,实现了学生学习成绩...     

数据挖掘中的模糊聚类分析及其应用

数据挖掘是一种新兴的信息处理技术,模糊聚类是数据挖掘领域中的一个重要研究课题。论文从数据挖掘的概念出发,研究分析了模糊聚类的主要算法,并从多个方面对这些算法性能进行比较,同时还对模糊聚类分析在数据挖掘中的应用进行了阐述,最后对模糊聚类的研究领域进行了总结和展望。     

数据挖掘领域中的聚类方法

聚类算法是数据挖掘中的核心技术,随着对聚类算法广泛深入的研究,产生了许多不同的适用于数据挖掘的聚类算法;文章从算法的角度论述了如何在数据挖掘中进行聚类分析,并通过基于评价聚类算法好坏的8个标准,对数据挖掘中近几年提出的常用聚类方法作了比较分析,以利于人们更容易、更快速的找到一种适用于特定问题的聚类算法.     

图像数据挖掘中小波变换技术应用研究

因特网技术和多媒体技术迅速发展,图像特别是数字图像已经成为人们传递信息的重要载体。但其数据复杂度比普通数据大得多,对其进行数据处理以及数据挖掘的难度也相对较大。本文结合图像数据挖掘的特点,对小波变换技术在数字信号处理领域的应用进行研究。