数据挖掘技术及其应用

数据库一数据仓库技术和网络技术的迅猛发展,使我们积累了越来越多的数据,如何对这种海量数据进行深入分析和利用,并从中发现有用的知识,已成为信息化社会所面临的重要问题.文章首先简要介绍了数据挖掘技术,并对数据挖掘的应用做一些阐述.     

可视化数据挖掘技术在影视欣赏研究中的应用

采集了某所大学的大学生在影视欣赏过程中的行为数据,运用可视化数据挖掘技术对数据进行分析处理,归纳出在校大学生进行影视欣赏时的一些特点,并对这些特点进行了讨论.     

西部地区经济增长差异分析模型构建

研究数据预处理新技术,采用数据挖掘技术建立西部地区经济增长差异分析模型,在数据挖掘技术中采用决策树算法进行分析,克服现有算法的缺点,对现有算法进行改进优化,提高模型精度,得到省份分类情况及影响地区差距的主要相关要素.研究结果表明:相比于传统算法,数据挖掘技术更能找到数据间的内在规律,反映了数据挖掘寻找潜在数据规律的价值所在.     

用决策树方法挖掘寿险数据中的投资风险规则

本文的目的是希望在保险公司寿险客户对产品的索赔记录上,通过数据挖掘的方法,发现影响客户索赔次数的主要因素。应用数据挖掘技术,通过对客户的数据进行抽取、清洗和预处理,生成数据挖掘库,并使用数据挖掘工具,利用决策树方法建立模型,并对所分析出的模型及结果进行了分析理解及验证,得出一些实用的控制寿险风险的规则。     

数据挖掘在入侵检测技术中的应用研究

针对入侵检测系统的特点,分析了数据挖掘在入侵检测技术中应用的研究现状,并利用数据挖掘技术在处理海量警报数据方面的优势,提出了一个入侵警报分析系统模型,通过对入侵检测系统产生的警报进行分析,减少了警报数量,提高了系统的检测效率和实用性.     

数据挖掘中分类算法的可扩展性研究

分类是数据挖掘中最重要的技术之一,而且应用领域非常广泛,但面对新出现的海量数据,目前已有的许多分类算法不具备良好的伸缩性,不能从巨大的数据集中快速而准确地发现有用的知识.针对这一问题,本文对分类算法的可扩展性方法进行了深入的研究,并对各种方法进行了分析和对比,从而便于研究和开发者对已有的算法进行改进和扩展,以适应数据挖掘技术的不断发展.     

最低生活保障系统中数据挖掘技术的实现

本论述对低保数据的挖掘中,使用了两种挖掘算法,另外配合SQL Server 2010提供的数据挖掘功能对低保数据进行了全面的分析,介绍了OLAP技术和数据挖掘在低保数据分析中的应用.主要内容包括:分析了数据挖掘技术在低保数据分析中的应用意义;研究了关联规则、决策树算法、聚类分析在低保数据分析中的应用.这也是低保信息化工作今后重要的研究目标和发展方向.     

偏序结构环形图：一种大数据偏序结构可视化新方法

偏序结构图因其良好的知识可视化特性已在知识发现、数据挖掘等领域得以广泛应用.但在对大数据所形成的超大形式背景进行研究和分析时,偏序结构树形图存在的一些不足,使大数据可视化效果欠佳,不利于对大数据进行数据挖掘和知识发现.本文对偏序结构树形图进行改进,提出了可用于大数据分析的偏序结构环形图.对实例形式背景绘制出偏序结构环形图,并与其偏序结构树形图比较.实验结果表明,该方法清晰、直观,可视化效果较好,能更有效地呈现出大形式背景中的重要信息,可以应用在大数据的数据挖掘和知识发现中.     

数据挖掘技术在互联网时代的应用探究

该文针对数据挖掘技术在互联网时代的应用一题进行了深入的研究,其中包括数据挖掘技术的概念介绍,数据挖掘技术的基本分析方法以及数据挖掘技术对于数据的预处理方式等,以期能够对各位同仁带来一些具有参考性的意见。     

MCDS:大规模移动通信数据计算的单机实现

移动数据具有数量庞大、类型多样、时效性强和高价值等特点.移动通信数据是一种重要的移动数据,对高效地存储和访问移动通信数据进行研究,并在此基础上更加有效地开展移动数据挖掘的相关研究,具有重大现实意义.当前,使用并行数据挖掘技术进行数据挖掘得到普遍认可,但并行数据挖掘技术需要较高的硬件成本,并行算法代码调试和优化较为困难.为此提出大规模移动通信数据的单机实现MCDS(mobile communication data processing system).MCDS基于GraphChi,改进了数据格式、分片机制、数据分片换入换出机制.实验结果验证了MCDS的有效性,为移动数据挖掘提供了切实可行的实验环境.