数据挖掘的探讨

从数据挖掘的定义出发,探讨了数据挖掘的流程、数据挖掘中出现的问题以及数据挖掘的应用前景。     

数据挖掘中的模糊聚类分析及其应用

数据挖掘是一种新兴的信息处理技术,模糊聚类是数据挖掘领域中的一个重要研究课题。论文从数据挖掘的概念出发,研究分析了模糊聚类的主要算法,并从多个方面对这些算法性能进行比较,同时还对模糊聚类分析在数据挖掘中的应用进行了阐述,最后对模糊聚类的研究领域进行了总结和展望。     

"学分制"定量的分析和定性的思考

"以人为本"的"学分制"对推进高校改革,深化教育体制改革有着重要的意义。本文从数据挖掘的角度出发,通过Apriori算法对某系1000名学生选修课进行无记名问卷得到的事务数据库进行数据挖掘,得到了一些关联规则,通过分析挖掘出来的关联规则,给出"学分制"以及选课体制中存在的问题。     

智能化数据挖掘系统

目前通用数据挖掘系统需要由用户自主去选择需要的数据挖掘算法．这就使这些通用数据挖掘工具很难被那些不熟悉数据挖掘术语和数据分析技术的普通用户所使用．为了解决这个问题,文章讲述了一种基于案例推理的智能化数据挖掘系统,这种系统的主要功能是根据用户提交的任务书,在算法库中查找相应的算法自动实现数据挖掘,将用户从繁重的算法设计、算法选择中解脱出来．     

数据挖掘领域中的聚类方法

聚类算法是数据挖掘中的核心技术,随着对聚类算法广泛深入的研究,产生了许多不同的适用于数据挖掘的聚类算法;文章从算法的角度论述了如何在数据挖掘中进行聚类分析,并通过基于评价聚类算法好坏的8个标准,对数据挖掘中近几年提出的常用聚类方法作了比较分析,以利于人们更容易、更快速的找到一种适用于特定问题的聚类算法.     

基于粗糙集的数据挖掘算法在MES系统的研究与应用

介绍了数据挖掘和MES系统的基本概念,从关联规划的支持度和置信度出发,以Apriori算法为基础,将粗糙集理论引入到算法中去,设计出相应的流程图,有助于企业决策支持系统中的生产数据统计分析.     

数据挖掘在安钢电极预测建模中的应用

从安钢电极控制的实际应用出发,应用数据挖掘技术建立了电极预测模型并应用于电极控制系统的参数整定.首先介绍了建立电极预测模型的数据挖掘过程;然后在数据挖掘算法中提出了一种新的变结构遗传Elman网络方法,该算法用改进的混合遗传算法对网络结构和权值及自反馈增益同步动态寻优.将基于BP算法的Elman网络和本文提出的变结构遗传Elman网络都应用于安钢交流电弧炉的电极预测模型中进行比较.通过基于安钢现场数据的计算机仿真实验表明:采用变结构遗传Elman网络的数据挖掘算法比BP算法具有更好的动态性能、更快的逼近速度和更高的精度.在此基础上,把建立的模型应用于安钢电极控制系统的参数整定,取得了良好的控制效果.     

浅谈数据挖掘及其发展状况

本文从数据挖掘的概述出发，总结了数据挖掘常采用的技术方法。对数据挖掘的主要问题进行了探讨，并对数据挖掘的社会影响及发展趋势进行了阐述。     

数据挖掘技术在客户关系管理中的应用研究

从市场竞争的现状出发，阐述了数据挖掘技术原理，重点探讨了FCM聚类算法和关联规则，并将其运用到电信客户关系挖掘中，对具体公司移动客户消费数据进行了详细分析。     

基于多维立方体的聚类算子模型及其应用

从多维立方体数据模型出发,提出了跨多个多维立方体的数据挖掘聚类算子模型,并将基于多维立方体事实物理维度的分类聚类算法,应用于移动通信客户消费行为分析中,提供了消费行为分析的实例和方法.     

浅谈小学数学教学中对学生创造性思维的引导策略

创造性思维是思维主体综合运用基本感知能力、理解能力进行的探索性思维活动,是将客观知识内化为思维主体认知结构的关键环节.试从小学数学教学实践出发,针对创造性思维的阶段性特点,结合具体的教学案例,提炼出可行的引导策略.教师通过知识积累、思维训练和检验巩固等教学环节引导学生有意识地进行创造性思维,可以有效提高学生发现问题、提出问题、分析问题和解决问题的能力.     

空间数据挖掘视角

为了满足不同用户在不同条件下对空间数据挖掘的不同要求,该文提出空间数据挖掘视角。空间数据挖掘视角在描述不同数据挖掘需求的基础上,利用一定的数据挖掘算法,从大量空间数据中发现不同粒度的空间知识。首先研究空间数据挖掘视角的内涵和外延,其次给出空间数据挖掘视角的算法,最后把空间数据挖掘视角应用于滑坡监测数据的挖掘,结果令人满意。     

分布式环境下保持隐私的关联规则挖掘

保持隐私是未来数据挖掘领域的焦点问题之一,如何在不共享精确数据的条件下,获取准确的数据关系是保持隐私的数据挖掘的首要任务.本文利用向量点积方法从垂直型分布数据中挖掘关联规则,并且保持其隐私性.给出了数量积算法和隐私挖掘的步骤,最后举例说明了如何利用数量积算法进行垂直型分布式数据挖掘.     

数据挖掘流程中数据准备的探讨

数据挖掘是一个应用统计学和人工智能等算法进行知识发现的过程.数据挖掘需要从庞大的数据集或数据库中提炼有用的信息, 因而就产生了一个问题, 如何为数据挖掘准备一个有效的数据集合, 以提高效率, 这是本文讨论的关键.     

数据挖掘算法在入侵检测中的应用

数据挖掘可以从海量数据中发现模型和数据间的关系并做出预测。针对入侵检测系统的特点,将数据挖掘算法应用于入侵检测系统中,并着重研究了聚类算法中的K均值算法和一种改进的K均值算法。     

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。     

信息管理系统中基于关联规则的数据挖掘算法研究

数据挖掘技术己经引起了信息产业界的广泛关注。关联规则是其中一个主要的研究方向,有着广泛的应用价值。对数据挖掘中的关联规则挖掘算法进行了研究和探讨,包括数据挖掘的概念、数据挖掘的理论基础、数据挖掘的主要问题和数据挖掘的分类等。Apriori算法是发现频繁项目集的经典算法,但是该算法需反复扫描数据库,因此效率较低。在分析分析总结了关联规则中经典的Apriori算法及其改进算法的基础上,提出了一种挖掘算法的改进思想,并通过一个实际例子对改进算法和原算法做了分析和比较,以及对关联规则进行了展望。     

粗糙集方法在基于属性分类中的应用

介绍粗糙集基础上的属性分类系统的构造,给出一种数据挖掘中新的分类方法:从初始的数据信息出发,依次构造约简属性集,并对其使用Bayes判别法进行基于属性的分类。最后给出了实例,验证算法的可行性。     

数据挖掘中聚类算法比较研究

聚类算法是数据挖掘中的核心技术 ,虽然聚类算法已被广泛深入的研究 ,但其应用在数据挖掘领域时间不长 ,其间产生了许多不同的适用于数据挖掘的聚类算法 ,但这些算法仅适用于特定的问题及用户 .为了更好的使用这些算法 ,综合提出了评价聚类算法好坏的 5个标准 ,基于这 5个标准 ,对数据挖掘中近几年提出的常用聚类方法作了比较分析 ,以利于人们更容易、更快速的找到一种适用于特定问题的聚类算法     

基于数据挖掘技术的高校图书馆馆藏优化研究

简要介绍了数据挖掘以及过程,并将关联规则算法应用于高校图书馆流通数据,从读者需求的角度出发挖掘借阅图书之间的关联,从而优化图书馆的馆藏结构,提高图书馆服务质量。