数据挖掘技术及其所面临的问题

数据库系统、数据仓库和WWW已经成为信息处理系统的主流。海量数据的处理问题使知识发现和数据挖掘 (DataMining)成为目前网络数据库研究、开发和应用最活跃的分支之一。数据挖掘是一个多学科交叉领域 ,被认为是信息产业 2 1世纪最有前途的学科。本文主要介绍了数据挖掘有关概念及其发展 ,并对数据挖掘面临的相关问题进行了研究与探讨     

数据挖掘与统计理论

随着数据库技术的不断发展和数据库系统的广泛应用，数据库中存储的数据量急剧增大，迫切需要新的计算理论和工具帮助人们从大量信息中抽取有用信息，即知识，数据挖掘学科的诞生正是适应这一需要．传统数据分析工具数理统计无疑在这一学科中扮演着重要角色，阐述数据挖掘的主要任务及统计理论在各任务中的应用，旨在更好结合统计理论探讨数据挖掘，更好发挥数理统计理论在数据挖掘中的作用．     

现代数据挖掘技术研究进展

数据挖掘是一个多学科交叉融合而形成的新兴的学科.笔者介绍了数据挖掘的一些基本知识及有关概念,阐述了数据挖掘的一些基本方法(传统的统计学方法、神经网络、决策树、进化式程序设计、基于事例的推理方法、遗产算法、非线性回归方法),然后对当前数据挖掘在各种领域的应用进行了概括,并提出了一些难点(数据质量、信息可视化、极大数据库、信息分析员技能)和今后的研究方向.     

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。     

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。     

关联规则挖掘的Apriori算法综述

关联规则挖掘是数据挖掘研究领域中的一个重要任务,旨在挖掘事务数据库中有意义的关联。随着大量数据不停的收集和存储,从数据库中挖掘关联规则显得越来越有必要性,关联规则挖掘的Apriori算法是数据库挖掘的最经典算法并得到广泛应用,在介绍关联规则挖掘和Apriori算法的基础上,发现Apriori算法存在着产生候选项目集效率低和频繁扫描数据等缺点。综述了Apriori算法的主要优化方法,并指出了Apriori算法在实际中的应用领域,提出了未来Apriori算法的研究方向和应用发展趋势。     

高级数据挖掘与应用

<正>数据挖掘是多学科(如统计、机器学习、模式识别、数据库与数据仓库、数据可视化、知识系统和高性能计算)的交叉融合。高级数据挖掘与应用国际学术会议(International Conference on Advanced Data Mining and Applications,简称ADMA)是2005年由澳大利亚昆士兰大学、维多利亚大学、加拿大阿尔伯塔大学、中国武汉大学共同发起的数据挖掘领域专     

数据挖掘技术及其在金融中的应用

数据挖掘是一门交叉性新学科，数据挖掘技术是目前国际上数据库、数据仓库和信息决策系统领域最前沿的研究方向之一。本文简述了数据挖掘定义和特点，介绍了其主要技术与基本步骤，并进一步分析了数据挖掘技术在金融中的应用。     

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.     

数据挖掘技术及其应用

数据挖掘是数据库研究中一个很有应用价值的课题,它融合了数据库、人工智能、机器学习等多个领域的理论和技术,本文介绍数据挖掘系统的体系结构、数据挖掘的方法及应用。     

定量地理学的一种发展趋势--GeoComputation

随着计算机及相关的信息获取技术的不断进步，各种类型的数据库逐步建立并以越来越低的的成本提供大指量数据。科学研究的重点自然地转向现有数据库中的数据挖掘或者称为隐含信息提取。空间数据因其量大、多维和存在自相关等原因，其数据挖掘较其他数据类型更为复杂，20世纪90年代中期Stan Openshaw认为空间数据挖掘已成为定量地理学中一个重要分支，并以GeoComputation命名这个新的学科。本文讨论了GeoComputation命名这个新的学科。本文讨论了GeoComputation的内容体系和各种定义，并论证其作为一个学科的必要性和合理性。     

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。     

数据库技术浅析

数据库是计算机领域发展最快的学科之一,数据库所管理存储的数据是各部门宝贵的信息资源．数据库领域中新的技术内容层出不穷,新的学科分支不断涌现．简要介绍了数据库的发展历史,各种数据库的环境建设及发展前景．     

“数据分析与计算专栏”主持人语

<正>数学领域中的拓扑学与数据挖掘的结合将成为当前多学科融合的一个新的分支,例如:距离函数、投影、聚类等作为两个学科共通的工具和方法正在大数据分析领域被大量应用,并且大数据中大量的混沌和冗余内容,也需要用数学方法进行处理。本期专栏将主要介绍拓扑学领域的新动向。随着数据采集、存储、管理等基础条件的不断完善,人们生产生活的很多领域都成为支撑大数据研究的数据来源,而破解特定领域中的一些实际问题,一直是科学研究     

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。     

《广西科学》2020年“大数据与高性能计算”专栏 征稿通知

正当今社会已进入了信息化、网络化、智能化、大数据时代。国务院印发的《促进大数据发展行动纲要》明确提出要推动大数据的发展和应用。大数据需要高性能计算、云计算、分布式文件系统、分布式并行数据库、分布式并行数据挖掘、可扩展存储系统等技术作为支撑。为进一步推动大数据与高性能计算研究开发及应用发展,及时报道专家学者、工程技术与管理人员、研究生在大数据与高性能计算领域取得的最新成果,《广西科学》     

数据聚类算法在web数据挖掘中的应用

在数据挖掘的实现过程中,聚类分析已经成为数据挖掘研究领域中一个非常活跃的研究课题。聚类是数据挖掘中一种重要的挖掘方法,它从数据库中计算发现数据中隐舍的有用信息或知识,数据聚类在很多领域中有着广泛的应用。该文研究的主要内容是数据聚类算法在Web数据挖掘中的应用,获得的聚类结果可以作为web网站结构的优化,站点的重构以及个性化的服务和推荐的重要依据。     

数据仓库数据加载技术

数据仓库中的数据不是传统数据库中数据的简单堆积，其数据的组织必须方便基于数据仓库基础之上的数据挖掘和商业智能工作，为决策者提供访问、分析及共享信息的能力，从而发挥数据仓库的真正功效。成功构造一个数据仓库的关键在于自始至终理解用户需要，紧紧围绕用户目标这一主题进行数据的搜集和存储。首先分析数据仓库的特点及拥有的数据类别及组成，重点介绍如何从现有数据库中有效地将数据引导至数据仓库的方法和策略，具体给出了数据仓库中5种不同类别数据的加载方法。     

数据挖掘在客户关系管理中的应用研究

数据挖掘技术是数据库研究领域中最活跃的分支之一，它综合运用了人工智能、数据库等多个领域的理论和技术，已成功地应于金融分析、市场分析等多个领域。本文介绍了数据挖掘的概念、常用技术和方法，讨论了数据挖掘技术在客户关系管理中的应用。