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.     

网络信息计量的数据挖掘技术研究

网络信息计量的数据挖掘技术研究是运用数据挖掘技术方法发现网络信息计量中的数据特征模式,利用现代可视化软件工具,开发网络信息计量中的数据特征模式的可视化系统,满足网络信息分析人员使用更复杂、更为强大的数据挖掘技术分析、处理数据的要求,为网络信息计量学理论研究及其方法和技术的丰富与发展开拓新的方向,为网络信息计量学规律应用于数据挖掘领域提供平台.     

数据挖掘在入侵检测中的应用

随着互联网的迅速发展,许多新的技术被引入到网络安全领域.数据挖掘是一种通用的技术,它是从大量的数据中提取人们感兴趣的模式的过程.将数据挖掘技术应用到网络安全当中,建立网络入侵检测系统模型,是数据挖掘技术应用的一个新领域.本文重点介绍了数据挖掘(Data Mining)以及它在入侵检测(Intrusion Detection,ID)中的应用:包括数据挖掘与入侵检测的定义、应用、主要算法等.最后还讨论了本领域存在的问题.     

面向领域的数据驱动自主式知识获取模型及实现

数据挖掘是一个非常有用的工具,通过它能够从大型数据库中发现知识。目前,众多研究者将其主要研究工作放在了数据挖掘的模型与方法等工程技术问题上,对于数据挖掘的一些基础理论问题却研究不足。通过对数据挖掘基本理论的研究,提出了面向领域的数据驱动自主式知识获取模型。并通过一系列数据驱动自主式知识获取算法验证了该模型的有效性。     

数据库理论和技术的发展

随着数据库技术应用范围的扩大,数据库理论和技术近些年来得到迅速发展。本文简述了面向对象数据库(Object-Oriented Database),非第一范式关系数据库(NF~2 relalienal Database),知识库(主要是演译数据库 Deductive Database)的发展概况,介绍了世界上一些研究者的研究成果及观点。文来附有较丰富的参考文献。     

入侵检测中孤立点挖掘的方法研究

孤立点检测是数据挖掘中一个重要方面,用来发现“小的模式”(相对于聚类),即数据集中显著不同于其他数据的对象.在以往的数据挖掘应用中,孤立点经常被当作“噪声”而被剔除.为更好地提高入侵检测系统中的实时性和准确性,提出了新的解决方案.     

面向领域的数据驱动自主式知识获取模型及实现

数据挖掘是一个非常有用的工具,通过它能够从大型数据库中发现知识.目前,众多研究者将其主要研究工作放在了数据挖掘的模型与方法等工程技术问题上,对于数据挖掘的一些基础理论问题却研究不足.通过对数据挖掘基本理论的研究,提出了面向领域的数据驱动自主式知识获取模型.并通过一系列数据驱动自主式知识获取算法验证了该模型的有效性.     

数据挖掘中的数据安全

信息时代数据量越来越大,数据挖掘技术可以使用户及时、准确地得到所需要的信息。另一方面,数据挖掘也完全可以被攻击者用来对数据库进行推理攻击和聚类攻击,偷取数据,破环系统的安全。如何在保护数据安全的前提下进行数据挖掘,己经成为当前数据挖掘研究中一个极为迫切的问题。     

面向生物信息的结构关系模式挖掘约束条件分析

结构关系模式挖掘是数据挖掘领域一个全新的分支,它包括关系模式挖掘、互斥关系模式挖掘、重复关系模式挖掘及有序关系模式挖掘。随着大量基因序列数据的获取人们正在研究各种方法从海量的基因数据中挖掘有用的信息。本文基于结构关系模式挖掘理论,对DNA序列从时间、空间、距离等不同角度分析了DNA序列中存在结构关系模式的可能性,并对生物信息的结构关系模式挖掘的约束条件进行分析。     

数据挖掘技术及其应用

近十几年来,人们利用信息技术生产和搜集数据的能力大幅度提高,数据库系统在商业管理、政府办公、科学研究和工程开发等诸多领域得到广泛应用,这一势头仍将持续并发展下去。于是,面对信息产业的发展提出一个新的挑战:在这被称之为信息爆炸的时代,信息过量几乎成为人人需要面对的问题。如何才能不被数据的汪洋大海所淹没,并从中及时发现有用知识,提高信息利用率,成为一个企业的资源,为企业的业务决策和战略发展服务,否则大量的数据可能成为包袱,甚至成为垃圾。因此,面对"人们被数据淹没,人们却饥饿于知识"的挑战,数据挖掘和知识发现(DMKD)技术应运而生,文章主要对目前常用的数据挖掘技术以及其在各行业应用情况进行了概述。     

面向生物信息的结构关系模式挖掘约束条件分析

结构关系模式挖掘是数据挖掘领域一个全新的分支，它包括并发关系模式挖掘、互斥关系模式挖掘、重复关系模式挖掘及有序关系模式挖掘。随着大量基因序列数据的获取人们正在研究各种方法从海量的基因数据中挖掘有用的信息。本文基干结构关系模式挖掘理论，对DNA序列从时间、空间、距离等不同角度分析了DNA序列中存在结构关系模式的可能性，并对生物信息的结构关系模式挖掘的约束条件进行分析。     

数据挖掘与决策树理论与应用

数据挖掘是一门科学、一门艺术，也是一门技术。它用来探索一批量大且复杂的数据，以便从中发现有用的模式。决策树是简单而又成功的技术，用来预测和解释有关一个数据项的某些度量与它的目标值之间的关系。决策树原本是从逻辑、管理和统计学中演绎而来的，除了应用于数据挖掘以外，现在它是在文本挖掘、信息析取、机器学习和模式识别等其他领域中高度有效的工具。     

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     

浅谈数据挖掘技术

随着海量数据搜集技术提高、数据挖掘算法的不断完善、多处理器计算机技术的不断发展，成为支持数据挖掘技术发展的基础，数据挖掘使数据库技术进入了一个更高级的阶段，它不仅能对历史数据进行查询和遍历，并且可以找出历史数据之间的游在联系，从而促进信息的传递。     

数据挖掘技术及应用

随着时代科技的不断进步,互联网信息技术已经渗透到社会中的各个层面。数据库的运用使得企业信息、国民生态、社会状态等方面都有了可靠的参考依据。目前数据库的功能都是存储、查询、统计等,通过这些数据获得的信息量只占整个数据库信息量的一小部分。怎样才能对数据库中真正具有价值的信息进行使用,从而提高有效信息的利用程度,这就需要新的技术来进行这方面的工作。数据挖掘技术从被开发以来便被广泛利用,它能够有效的实现对有价值信息的自动、智能和快速的分析与提出。数据挖掘技术在分析大量数据时具有明显优势,在电力、金融、保险等行业得到广泛的运用。     

基于移动Agent的Web数据挖掘技术的研究

目前上存有大量的数据信息,如何对这些数据进行有效的应用已经成了当前数据库技术研究的重点。基于Web的数据挖掘是一个结合了数据挖掘和WWW的热门研究主题。本文介绍了基于移动Agent的Web数据挖掘技术,各挖掘算法集中到移动Agent子系统中,并根据要求动态地创建,然后派遣它们到数据站点数据库中进行数据挖掘,提出了一种基于Web数据挖掘的模型。     

数据挖掘技术及其应用

数据挖掘是一个年轻而充满生机的领域,面对海量的数据,它可以对这些数据进行统计、分析、综合和推理,找出我们感兴趣的有价值的信息,以指导实际问题的求解,发现事件间的相互关联,甚至利用已有的数据对未来的活动进行预测。数据挖掘技术已经涉及市场分析、欺诈检测、科学研究、顾客保有等多个方面,正在蓬勃发展。本文主要讨论数据挖掘技术的一些基本概念及其应用情况。     

试论数据挖掘技术在Web预取中的应用

近年来,互联网的不断发展,使人们对数据的需求不断扩大,这也使数据挖掘技术成为互联网领域中至关重要的技术,通过数据挖掘技术,可使人们从海量信息中筛选出自身所需的有效信息,随着数据挖掘技术的发展,其在Web技术中正发挥着越来越重要的应用价值,尤其是在Web预取方面,通过数据挖掘技术的运用,可使数据查询变得更加准确,从而实现Web资源的多方共享。鉴于此,该文便对数据挖掘技术在Web预取中的应用进行深入的研究。     

自组织特征映射网络的分析与应用

数据挖掘的方法主要包括检索和分类两类,而各自都有缺陷。针对这些缺点提出先利用自组织映射的方法对采集的数据进行聚类和可视化,获得一些关于采集到的数据的初步信息。自组织映射法的目的是一个将高维数据非线性的投到一个预先定义好的二维拓扑中。它通过竞争学习的方法达到了降维、聚类、可视化的目的。     

生物序列数据挖掘技术研究

生物序列数据是生物信息数据中重要的一部分,研究生物序列解读其隐含的生物学意义是生物信息学研究的热点和难点。数据挖掘是当前分析大规模数据的有效工具之一,已广泛应用于分析生物序列数据,并取得了许多研究成果。文章综述了生物序列数据挖掘的关键技术,包括序列比对算法、DNA序列模式挖掘、关联、分类、聚类分析、RNA二级结构预测、蛋白质序列分类和聚类分析,最后展望未来研究方向。