数据仓库与数据挖掘技术在高校决策中的应用

在高校已有的各部门业务数据库的基础上，根据高校管理的方式和特点，阐述利用数据挖掘技术建立高校数据仓库的思路和方法，并论述将其应用于高校决策的有效性和科学性。     

数据挖掘在城市供水系统中的一个应用

针对目前供水系统普通存在的产销差异问题 ,提出了在建立一个基于 GIS的城市供水系统的数据仓库的基础上进行数据挖掘来发现差异显著的区域或管段的一种方法 ,最后给出了一个运用此方法的实例 .     

一个辅助产品开发决策的数据仓库系统

我们所建立的数据仓库系统，是从市场销售这一角度来辅助新产品开发决策的，实际上，数据仓库不能脱离数据库等数据源独立存在，因此系统应包括数据库系统，根据这一背景和要求，我们提出了一种系统结构，本文除介绍这个结构外，重点论述了该系统的数据管理方法。该方法采用的数据模型是对象和雪花混合的模型，其数据操纵语言是一种扩展的SQL，这种方法不仅能够统一管理数据仓库和数据库，而且能达到高效的查询。     

基于数据挖掘的HLA仿真系统测试与评估

针对高层体系结构(high level architecture,HLA)仿真产生的海量数据,利用数据仓库以及数据挖掘技术进行测试与评估。通过基于HLA的C4ISR系统仿真为例,介绍了仿真数据仓库的存储模型。以战场中感知信息与客观信息的偏差程度作为评估指标,运用商业智能软件COGNOS,对C4ISR系统的情报侦察与电子对抗能力进行评估,发现并改正了仿真过程中出现的问题。实践证明了设计方案的有效性。     

可拓空间数据挖掘技术及其应用

将可拓学理论与方法应用到空间数据挖掘技术当中，建立起一种基于可拓学的空间数据挖掘的理论、方法和应用体系，并以北京地区泥石流危险度的区划与预报为例说明其应用。     

粗糙集方法在作战仿真数据挖掘中的应用

粗糙集是数据挖掘的一种工具,目前已被成功地应用于数据挖掘、决策分析、过程控制、模式识别与机器学习等领域。在作战仿真系统中,产生了大量的数据,用粗糙集方法对作战仿真结果数据进行挖掘,可以得出一些有参考价值的规则,可证明粗糙集技术在军用仿真系统中有着广阔的应用前景。     

神经网络专家系统及其数据挖掘技术的探讨

知识发现是目前数据库和机器学习的热门方向,本文在讲座了神经网络专家系统技术的基础上,探讨了如何在神经网络专家系统中融入发现的过程,给出了一个系统框架及其中的一些算法,并给予了深入讨论。     

基于支持向量机的分布数据挖掘模型DSVM

针对分布环境的数据挖掘要求,提出了基于支持向量机的分布数据挖掘模型DSVM.定义了DSVM中特征多叉树的概念,描述了基于移动Agent访问分布数据集来构建特征多叉树的方法,阐述了通过特征多叉树来反映分布环境各数据集属性总体特征的思想,并利用该数据结构和支持向量机的特点,提出了基于壳向量的分布式支持向量机增量算法来修正和完善特征多叉树,最终实现分布环境下全局的数据挖掘.实验结果表明,该模型有效地解决原有分布环境下其他挖掘算法存储开销大、执行效率差、安全性和隐私性低等问题.     

数据挖掘中采样技术的研究

针对日益增长的海量数据和信息,通常采取有效的采样技术对大数据集进行采样,然后通过对样本的分析得到数据总体的相关模式。首先论述了关于样本的一些基本概念:利用采样技术对大数据集和海量数据进行分析处理,讨论了普通抽样技术与数据挖掘中的采样技术的异同。然后对目前普遍采用的采样技术进行了分类,重点研究了简单随机采样和分层随机采样,并对不同采样技术进行了比较。最后给出数据挖掘中利用采样技术的一个实现。     

基于灰色系统理论的数据挖掘技术

利用灰色系统理论是研究贫信息系统分析、建模、预测、决策、控制的有效工具的特性,针对系统样本数据量不大或有残缺,样本数据更新变换快,整体数据规律相当复杂,而在某一时间或空间的数据却有很强的规律性之类的贫信息灰色系统中的数据挖掘课题,探讨了灰色系统理论与技术在数据挖掘中的应用问题,提出了贫信息灰色数据挖掘的灰色关联算法、灰色统计算法、灰色聚类算法、灰色统计聚类算法,并提出了灰色系统数据挖掘的体系结构。     

从数据挖掘到专家挖掘

在简要分析传统数据挖掘方法不足的基础上,提出专家挖掘的必然性和重要性.作为一个新的研究领域,首先介绍了专家挖掘的基本概念,接着给出了其过程模型、主要方法与技术,并通过与数据挖掘方法的比较,分析了专家挖掘与数据挖掘互为驱动的知识发现的优势,最后结合案例说明专家挖掘的可行性.     

金融时间序列的数据挖掘技术与经典统计模型的比较

基于对时间序列的数据挖掘思想与经典建模法的基本思路分析和比较，总结各自的优缺点，并阐述二者是在本质上不同的两类重要的时间序列分析法。     

基于免疫聚类算法的离群数据挖掘

离群数据挖掘是数据挖掘研究的重要内容,在实际生活中获得广泛应用.论文结合了免疫算法全局搜索的优点和K-均值方法局部收敛速度快的特点,提出了一种基于免疫聚类算法的离群数据挖掘方法,有效地克服了传统聚类方法对初始化敏感、容易陷入局部最优等缺点,使聚类结果能够快速收敛到全局最优,有效地检测离群数据.实验结果表明,该方法实用有效的.     

基于映射簇的Web数据挖掘研究

传统特征选择算法在多维Web数据中由于其数据对象自身固有的稀缺性而常常失效。在典型多维Web数据挖掘应用中，不同数据对象集合对于不同雏度集合而言可能聚类会更好，且在每个簇的具体子空间中维度数将可能非常大。事实上，为所有簇查找出单个的小雏度集合是不可能的。本文应用映射簇的概念来明确簇与雏度的关系，将聚类问题转化为映射簇问题，从而简化计算提高挖掘效率。最后给出相应的算法。     

基于模糊C均值的支持向量机数据分类识别

提出一种基于模糊C均值的支持向量机分类算法，通过模糊C均值算法对未知类别数据进行划分，然后再利用支持向量行对划分后的数据机进训练。解决了以往人们应用支持向量机进行数据分类识别前必须采用已知类别的数据对支持向量机进行训练的弊端，提高了数据分类的效率。     

数据挖掘方法的研究

数据库中的知识发现即数据挖掘是致力于大型数据分析中的半自动工具的研究。讨论了数据挖掘中一些常用的方法 ,特别是频繁发生模式中层次搜索及其在不同领域中的应用。讨论了数据挖掘查询编译成算法的可能性 ,并列举了数据挖掘及知识发现中现存的一些问题。     

基于多维数据的关联规则算法

通过分析多维数据对象属性的关系，结合联机分析处理技术，在建立数据立方体(Cube)的基础上，提出一个基于多维数据的关联规则算法，可以有效提高规则发现和数据挖掘的效率。最后，通过实践证明该算法有效。     

DEA数据标准化方法及其在方向距离函数模型中的应用

方向距离函数是对径向DEA模型的推广,它能够方便地处理存在非期望产出的情况,但其效率测量未解决单位不变性问题,这是制约方向距离函数在实践中应用的一个障碍。DEA数据标准化方法为效率测量方法提供了保持单位不变性的通用方法,同时采用标准化数据后,径向和非径向模型的效率测量结果保持不变。基于DEA数据标准化方法建立了具有单位不变性的方向距离函数效率测量方法。     

人工神经元网络在空间数据挖掘与知识发现中的应用研究

对常用的空间数据挖掘方法进行分析，认为常用的统计学方法对数据的限制较多，且计算量较大，在应用中有一定的局限性。与此相反，神经网络方法由于其固有的自学习能力和抗干扰能力，在空间数所挖掘领域有着广泛的应用前景。最后在空间数据挖掘领域引入GSOM网络，用于空间聚类，通过实例证明，效果较好。