数据挖掘理论与技术研究

数据挖掘是人工智能和数据库研究的综合领域,数据挖掘技术的理论与技术发展迅速。本文对数据挖掘的概念及所要达到的目标进行了深入剖析,介绍了数据挖掘的核心技术。     

数据挖掘与智能化信息处理研究

数据挖掘(Data Mining)是智能化信息处理中一个很有价值的课题，它融合了数据库、人工智能、机器学习和统计学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、数据挖掘的任务、方法及应用，讨论了数据挖掘研究的发展趋势。     

基于数据挖掘技术的客户关系管理系统研究

数据挖掘是CRM的核心,通过阐述数据挖掘的概念、过程、目标,分析基于数据挖掘的CRM的特征．并从客户生命周期和行业应用的角度探讨数据挖掘在客户关系管理系统中的应用．     

基于Apriori模型的海洋灾害预警数据挖掘技术

针对Apriori模型在挖掘的过程中需要多次访问数据库和产生大量频繁项目集占用更多的内存的问题,文章对基于数据库记录的Apriori模型的数据挖掘方法进行了改进,采用以事物数据库为中心的挖掘方法减少了频繁项目集和访问数据库的次数。此方法能够快速地形成预警决策支持库,是解决海洋自然灾害预报的一种新方法。     

电子政务中的数据挖掘及其应用

在分析电子政务中数据特点的基础上，概述了电子政务中的数据挖掘的方法和流程，提出需要重点研究的若干关键问题包括框架体系构建、挖掘算法设计、知识管理与分析评价等，最后对数据挖掘在电子政务决策中的应用进行了探讨。     

数据挖掘技术在决策支持系统中的应用

本文针对传统决策支持系统的局限性,介绍了基于数据仓库的决策支持系统,并分析了数据挖掘技术在决策支持系统中的地位与作用。     

基于数据挖掘的图书馆管理模式分析

随着信息技术的发展,数据挖掘技术在图书馆管理方面得到了广泛应用。本文介绍了数据挖掘的基本内涵,分析了数据挖掘的功能和常用方法,在此基础上提出了一个基于数据挖掘的图书馆管理模式分析模型。最后探讨了数据挖掘技术在指导图书馆管理建设方面的具体应用。     

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。     

决策支持分析新技术—数据挖掘

数据挖掘是目前国际上智能信息处理和决策支持分析领域的最前沿的研究方向之一。因此对数据挖掘的基本概念、关键技术以及主要研究内容作一个综合性的介绍，并指出了数据控制技术的研究方向。     

基于小波区域扩张聚类算法的炮阵地选取

小波变换的特性之一是变换后的数据边界更加清晰,使数据的聚类变得相对容易．将这种思想引入野战辅助决策的炮阵地选取中．提出小波区域扩张聚类算法相比于传统算法,该算法有效地提高了炮阵地选取的效率。     

SDML:基于空间数据库的空间数据挖掘语言

设计了一种基于空间数据库的空间数据挖掘语言SDML.根据SDML操作的对象以及挖掘过程的不同阶段,SDML语言可以分为视图操纵语言和模型操纵语言,分别负责对于数据挖掘视图和模型的操作.详细阐述了SDML的设计思想及其设计方案,针对空间泛化和空间关联这两个典型的空间数据挖掘问题,给出了SDML解决方案.     

复共线性空间数据回归模型挖掘算法及其实现

对复共线性空间数据回归模型的挖掘算法进行了研究，主要贡献包括：(1)提出了Е-复共线性的概念；(2)给出不满足不相关假设情况下的新算法；(3)空间分析中将预测模型的挖掘和GIS等技术进行融合，进而促进空间统计学的更广泛应用；(4)给出Е-MCL(Е-复共线性模型回归系数估计)算法。(5)在SQL Server 2000 Analysis Services平台上融合GIS技术实现了新算法，作了实验验证和性能分析。     

基于Web的数据挖掘模型

Web上有大量的数据信息,怎样对这些数据进行复杂的应用成了现今数据库技术的研究热点.提出一个具有良好发展前景的基于Web进行数据挖掘的模型,并详细阐述了该模型的结构和工作机理.     

浅析企业数据仓库与联机分析处理及数据挖掘技术的应用

文章针对企业对信息系统数据挖掘的需求，提出了基于数据仓库，应用联机分析处理及数据挖掘技术的计算机辅助决策支持系统的模型，并对数据仓库、联机分析处理及数据挖掘技术的应用进行了分析。     

空间数据挖掘技术

空间数据挖掘是数据挖掘的一个分支,在地理信息系统、遥感、导航、环境研究以及许多使用空间数据的领域中有着广泛的应用。阐述空间数据挖掘的定义、特点、体系结构与一般过程,介绍空间数据挖掘的方法和知识表达方法,指出空间数据挖掘的主要研究方向,提出开发空间数据挖掘系统的几点思考。     

基于数据挖掘的白酒企业决策支持系统研究

以数据仓库,联机分析处理(OLAP)和数据挖掘技术构建白酒企业决策支持系统.系统通过数据仓库对来自不同数据源、历史的数据进行存储;采用联机分析处理技术对数据仓库中的数据进行多角度、多层次等分析;通过数据挖掘,从数据仓库中识别和提取隐含的知识,为企业决策人员提供强有力的决策辅助支持.     

基于堆栈模型的数据挖掘算法研究

基于关联规则的数据挖掘算法的时空耗费关键主要有两个：一个是需要对海量事务数据库进行多趟趋势，另一个是在JOIN运算中产生了大量潜在频繁项集。提出了利用堆栈模型动态生成频繁项集，每次用上次为产生新的频繁项集，边产生边判断，把满中最小信任度的频繁项集存放于链表中，减少了JOIN运算产生的多余项所占用的空间耗费。利用事务压缩法来减少事务库数据规模，对每次扫描后的事务数据库进行优化，从而达到减少空间耗费和扫描规模，提高效率的目的。     

数据挖掘的标准模式研究

作者结合政府机关的申请审批系统的开发实践,指出了信息系统中数据挖掘的意义,设计出了用标准模式来筛选信息、以决策树算法和聚类划分法实现申请信息的审核与审批.