浅谈数据挖掘

数据挖掘所得到的信息应具有先前未知、有效和可实用3个特性。文章简单介绍了数据挖掘技术、功能特性及它的实际应用。     

网络数据挖掘及其在生物信息学中的应用

20世纪90年代中期,随着万维网的崛起和高速发展,大量信息可以从网上获取.传统的数据挖掘技术已开始应用于网络数据的挖掘中,这也正成为人们研究的焦点.本文介绍了网络数据挖掘的定义、分类,并对当前网络数据挖掘的研究现状作了综述,最后介绍了网络数据挖掘在生物信息学研究中的实际应用.     

基于神经网络的装备维修保障系统研究与应用

随着计算机应用技术的发展,神经网络及以数据库技术和数据库管理系统为基础的数据挖掘技术广泛地应用在现代高科技领域中,成为处理以信息化为主体的装备维修保障系统中大量信息的主要技术手段.文章通过对神经网络的概念、过程以及装备维修保障系统中涉及的数据挖掘方法及系统的实现对上述问题进行了论述.     

遗传进化理论及其在数据挖掘中的应用

遗传进化理论由美国密歇根大学J.Holland教授提出,它借鉴生物遗传机制,以群体方法进行自适应搜索,受到广泛关注,并在科学研究中得到广泛应用。数据挖掘从大量数据中提取信息与知识,遗传算法具有群体搜索策略和简单的遗传算子,可以实现整个数据空间上的分布式信息搜索和采集,在数据挖掘领域得到广泛应用。本文综述了遗传算法的起源、基本原理和特点,介绍了数据挖掘的应用和发展,阐述了近年来遗传算法在分类系统挖掘和关联规则挖掘方面的应用。最后对遗传算法在数据挖掘中的应用前景和面临的挑战进行了分析和展望。     

药物分子设计中的大数据问题

药物创新领域的大数据主要来源于高通量实验、高效能模拟计算、信息化、科技出版物和专利文献4个方面.这些大数据使我们有可能在系统层面上看到药物分子与许多靶标相互作用的新现象、新规律,提高药物创新的效率,也带来新的挑战,如存储、标引/标注和质控、可视化、数据挖掘和计算复杂度等问题.这些问题可以通过在超算和云服务技术的支持下发展并行计算方法而逐渐得到解决.从离散、不完备且信噪比低的大数据中难以找到物质活性与结构之间的连续函数关系,贝叶斯学习机及其与支持向量机、决策树技术的组合是大数据挖掘的发展方向.大数据既是科学实验通量化和社会信息化的结果又是原因,正确解决大数据挖掘问题是提高药物创新效率的核心.     

Web数据挖掘现状分析

随着Internet/Web技术的快速普及和迅猛发展,使各种信息可以以非常低的成本在网络上获得,如何在这个全球最大的数据集合中发现有用信息成为数据挖掘研究的热点.Web数据挖掘是目前数据挖掘领域中的一个很重要的研究领域,文章介绍了Web数据挖掘研究领域的现状及发展.     

大数据与化学数据挖掘

数据是重要的战略资源,大数据挖掘技术已成为学术界、企业界甚至各国政府关注的热点.本文介绍了大数据的基本概念及发展现状,综述了与化学研究有关的大数据研究状况,讨论了大数据在基础理论与关键技术2个层面上的主要问题以及大数据挖掘技术在化学各领域中的应用,并对大数据发展的未来及其在化学学科中的应用前景进行了展望.     

大数据时代的天文学研究

天文学已经进入数据密集型时代或者说大数据时代.面对海量天文数据在存储、计算、网络、软件、算法乃至工作模式等方面的需求和挑战,天文学家连同计算机和信息技术领域的专家正努力使基于科学数据的知识发现过程变得更加容易.虚拟天文台旨在实现科学数据的互操作,打造一个全球性的数据网格.天文信息学则从分支学科的高度来考虑天文学的长远发展.数据挖掘和知识发现在数据密集型时代大有可为,自身也必将获得长足发展.本文简要论述天文学研究在数据密集型时代所面临的挑战,介绍虚拟天文台理念和最新进展,探讨天文信息学发展的必要性和所包含的研究内容,阐明数据挖掘和知识发现的必要性和发展方向.     

大数据时代警察如何破案

据英国《卫报》和美国《华盛顿邮报》报道,美国安全局和联邦调查局于2007年启动了一个代号为"棱镜"(PRISM)的秘密监控项目,直接进入网络公司的中心服务器里挖掘数据、收集情报.这个秘密项目由美国安全局前雇员爱德华·斯诺登向媒体透露,引起了国际社会的高度关注.现在人们关注的焦点,除了斯诺登最终的去向和命运外,还有"棱镜门"涉及的核心技术——数据挖掘.目前,在大数据基础上建立起来的数据挖掘技术不仅用于维护国家安全,也被司法机关用于刑事侦破.     

地质科学大数据及其利用的若干问题探讨

地质科学大数据是一种时空大数据,其特征与一般大数据有相似之处,也有显著差别.为了应对挑战,需要引进大数据理论、方法和技术,开展对地质科学大数据的统合和利用.采用大数据技术直接在海量时空数据和文本数据中挖掘知识,能突破采样随机性和样本空间狭小、仅凭少量观测数据和固有模式进行判断,以及传统数据分析方法的限制,有可能取得地质科学的新发现.目前常用的一系列数学地质方法和一般空间数据挖掘方法,经改造可用于地质科学时空大数据挖掘.大数据时代地质科学发展所涉及的关键科学技术问题,包括结构化数据与半结构化非结构化数据、大数据与小数据、混杂性数据与精确性数据、模型与数据、静态勘查模型与动态监测模型等的一体化存储管理和处理,数据挖掘与数据分析的结合、相关关系与因果关系的统一,地质科学大数据的深度挖掘和可视化."玻璃地球"是地质科学大数据的有效载体,开展"玻璃地球"建设是解决上述各种科学技术问题的最佳途径之一.