基于Web的数据挖掘技术

当前网络发展迅速,各种网站比比皆是,它容纳了海量的信息,但是这么多的信息,却使人们产生了信息贫乏的感觉,这是因为Web上的信息覆盖面太广,而用户需要的却只是其中很少的一部分。Web挖掘就是从Web文档和Web活动中抽取感兴趣的、潜在的、有用模式和隐藏的信息。本文主要研究了Web数据挖掘的内容,包括Web挖掘的特点、Web挖掘的分类和Web挖掘流程等。     

Web文本数据挖掘技术及其在电子商务中的应用

简要介绍了数据挖掘、Web数据挖掘及Web文本数据挖掘技术。从特征项提取、文本关联分析、文本分类、文本聚类等方面对Web文本数据挖掘技术在电子商务中的应用作了探讨,并略述了Web文本数据挖掘技术的应用现状及其发展趋势。     

基于WEB的数据挖掘研究综述

运用数据挖掘技术进行Web数据挖掘成为数据分析领域中的一个重要研究热点,与传统数据相比较,Web数据具有结构复杂、形式多样与内容广泛等特点,且用户对其需求亦是五花八门的,这对数据分析领域提出了更大的挑战.基于为研究Web数据挖掘提供参考,将Web数据挖掘粗略地分为三类:内容挖掘、结构挖掘和使用挖掘,并分别进行了综述,然后根据当前的应用现状分析了这一研究领域的几个研究方向.     

基于Web的可视化数据挖掘工具综述

在互联网存储的信息中,对于含有有效信息的数据挖掘工作具有极高的价值,而数据可视化工具又为挖掘工作以及对于信息的分析提供了更直观方便的方法.文章介绍了数据挖掘、数据可视化、Web挖掘的基本概念、基本方法及流行技术;比较了常见的可视化数据挖掘工具,并且对数据挖掘技术的发展做出了适当的展望.     

数据挖掘技术综述

对数据挖掘技术进行了综述,阐述了数据挖掘产生的背景、定义和任务,论述了数据挖掘的技术和算法,介绍了目前数据挖掘的应用状况及指出了数据挖掘的未来研究方向。     

基于Web的数据挖掘技术

随着Internet的发展,Web数据挖掘已成为一个热门研究的主题,并有着越来越广泛的应用。本文介绍了Web数据挖掘的关键技术,提出了一种基于Web数据挖掘的应用模式框架,最后对Web数据挖掘的应用前景进行了探讨。     

浅说电子商务中的数据挖掘技术

分析了Web挖掘技术的主要特点,提出了Web使用挖掘技术在电子商务中的应用方法,并对其挖掘过程进行了详细地阐述.从Web服务器日志文件和客户交易数据中挖掘有意义的用户访问模式和潜在的客户群,使企业提供个性化信息服务和开展有针对性的电子商务活动.     

Web数据挖掘技术综述

Web数据挖掘作为数据挖掘技术和Internet应用研究相结合的研究领域,涉及机器学习、数理统计、数据库、神经网络、模式识别、粗糙集、模糊数学等人工智能相关技术,目前已经发展成为一个受到社会各界关注的研究热点。     

数据挖掘综述

数据挖掘是人们长期对数据库技术进行研究和开发的结果,是当前计算机科学研究的活跃领域。本文介绍了数据挖掘的定义、功能以及数据挖掘的过程,论述了数据挖掘的常用技术,介绍了数据挖掘的应用,最后结合当前新的研究成果,分析了数据挖掘领域的发展趋势。     

数据挖掘综述

数据挖掘是人们长期对数据库技术进行研究和开发的结果,是当前计算机科学研究的活跃领域.本文介绍了数据挖掘的定义、功能以及数据挖掘的过程,论述了数据挖掘的常用技术,介绍了数据挖掘的应用,最后结合当前新的研究成果,分析了数据挖掘领域的发展趋势.     

可视化数据挖掘技术

通过对可视化数据挖掘进行分类和总结,提出将可视化数据类型和可视化与数据挖掘结合的思想。由于可视化数据挖掘的优势是用户能直接参与数据挖掘过程,通过对挖掘过程中各个阶段反馈的信息可视化结果的分析,用户可以将领域知识和数据挖掘算法有效地结合在一起,完成用户和算法的交互。因此,可视化数据挖掘技术将成为今后数据挖掘领域中研究的热点。     

基于GIS的空间数据挖掘研究进展

基于GIS的空间数据挖掘技术,归纳了空间数据挖掘所能发现的知识类型和主要方法,分析了其主要研究方向和成果,着重讨论了基于GIS的空间数据挖掘的框架结构与基本流程,并给出了它的基本框架和流程图,提出了基于GIS的空间数据挖掘未来的发展趋势。     

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。     

关于几个数据挖掘技术的讨论

本文讨论了数据挖掘技术的研究进展,并对三种方法进行了深入的研究关联规则、粗糙集、遗传算法.     

基于GIS的空间数据挖掘技术

如何从海量数据中提取对人们有价值的信息已经成为一个非常迫切的问题。本文从地理信息系统(GIS)方面研究了如何解决这个问题，介绍了空间数据挖掘(SDM)的理论、方法和一般处理过程，并给出了基于GIS的空间数据挖掘的框架结构。     

数据挖掘集成技术研究综述

本文主要讨论数据挖掘中的集成问题。在分析数据挖掘的发展和特点的基础上。介绍了数据挖掘技术的集成思想和实现方法,内容包括数据挖掘方法集成;数据挖掘与数据库的集成;数据挖掘与数据仓库的集成;数据挖掘与人工智能;数据挖掘与其它相关软件技术的集成。     

数据挖掘技术在语音识别中的应用

通过数据挖掘技术实现对语音来源的识别,从而完成对说话人身份的认证以及操作权限的分配,具有非常重要的理论和实际意义。主要针对相同和不同语音内容两个类别的说话人语音识别进行了研究。通过在说话人识别领域广泛应用的梅尔频率倒谱系数进行语音的特征提取,并结合动态时间规整算法进行模式匹配分类。特别地,在不同的语音内容识别探究中,在采用动态时间规整算法前,结合了K-means++算法以及主成分分析算法来对梅尔频率倒谱系数矩阵进行降维和聚类,以保证待匹配模板的维度相近或相同。结果表明,在相同语音内容的识别过程中,选择合适的阈值可以获得较好的识别效果。     

网上电子公务中数据挖掘技术分析

介绍了网上电子公务中的数据挖掘技术及其基本步骤，所需人员分析，数据挖掘类型，并对数据挖掘技术在网上电子公务中的应用进行了分析 。     

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。