数据挖掘中的一种数据预处理方法

数据挖掘技术是一门综合多个学科从数据中寻找规律的技术,该技术已经成功地应用于金融分析、市场分析、客户关系管理等多个行业。在数据的采集和数据的传输过程中,我们为了保证数据的可靠性及准确性,要对数据进行预处理,改变缺失及异常情况。本文主要介绍数据挖掘的一些基本概念及一种基于遗传算法的数据预处理的方法。     

小波变换在数据挖掘数据预处理中的应用

数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取人们事先不知道的但是潜在的有用的知识和信息的过程,数据预处理是整个数据挖掘过程中的一个重要环节。小波变换是一种新的数学分析方法,广泛应用于信号处理、图形处理、模式识别、语言分析等众多领域。将小波变换应用在数据挖掘数据预处理中,能够得到良好的数据压缩效果。     

数据挖掘中的数据预处理技术

阐述了数据集成的预处理技术及必要性，讨论了不完整数据、含噪声数据、不一致数据的清理方法。     

数据挖掘技术在统计预处理中的应用

目前统计分析面临的数据大多不再是预先设定的样本数据，而是杂乱、不规范的大规模的海量数据，所以统计分析之前进行数据预处理是非常必要的。采用数据挖掘技术，对存在空缺值、噪声数据等不规范的数据集进行清理，对海量数据进行维规约和自动产生概念分层处理，以缩小数据集的规模。经过预处理的数据集能更好地适应原有统计方法，并提高了统计质量。     

基于土工试验的数据挖掘中的数据预处理技术

在地质勘察的土工试验中产生大量的数据,迫切需要挖掘隐藏在这些数据间的大量有趣信息。而数据预处理技术的好坏直接影响数据挖掘的结果。现介绍一种在挖掘关联规则前的数据预处理技术,给出了相应算法,并通过实例说明了算法的执行过程。     

数据挖掘中数据预处理技术在教育研究中的应用

介绍了数据挖掘中数据处理技术,分析了这些技术在教育研究中的应用,给出常用技术在教育研究中的应用实例.     

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。     

数据挖掘技术在电力管理和分析中的应用

作为一种数据分析方法和技术,发现潜在的信息,大量的信息,数据挖掘已成为社会关注的焦点.在电力行业的信息化建设进程中,有大量历史数据,采用数据挖掘技术来研究和发展是刻不容缓,分析决策系统需要解决在电力运行管理中存在的关键和突出问题企业.本文提出了详细的数据挖掘算法分析.基于电力管理分析的特点,重点讨论了聚类分析算法.基于电力数据管理分析系统,数据挖掘技术在本文设计的过程采用混合型数据并获得良好的挖掘效果.聚类对电力客户数据分析可以得到很好的分类,有助于预测顾客的购买行为.     

数据挖掘技术在数据抽取中的研究与应用

数据抽取是数据仓库和数据挖掘的基础,将挖掘数据环境和数据抽取技术结合起来,不但可以提高数据仓库的利用率,而且可以加快数据抽取的速度,提高设备的利用率.基于这种理念,以挖掘数据环境来提高数据抽取效率为目的,提出一种将电信数据模型与K-means算法相结合,从而提高数据抽取速度的方法,并探讨了将数据挖掘技术应用于数据抽取的可行性.     

数据挖掘技术及其在教学中的应用

从已有信息中发现模式或规律是数据挖掘的本质所在 ,本文利用数据挖掘技术对现存的大量教学数据库中的数据进行回归分析、聚类分析、主成分分析和关联规则的挖掘 ,从中提取有价值的信息 ,帮助教学人员合理安排教学工作 ,督导加强院、系的管理 ,对提高学校的教学成绩起到指导作用     

数据挖掘技术的研究

介绍了数据挖掘常用的分析方法及每种分析方法的定义和实现过程,叙述了数据挖掘的4个过程及每个过程需要处理的具体问题。最后介绍了预处理的常用方法及每种方法的实现过程,为数据挖掘提供了一定的理论基础。     

数据挖掘商业应用平台的数据预处理管理

如何提高数据预处理的效率,提高数据挖掘过程的可管理性,是数据挖掘者必须考虑的问题之一。通过对一个电信增值行业客户行为的分析,介绍了如何应用数据挖掘商业应用平台所提供的可视化流程图进行数据预处理,以期提高数据预处理的效率和过程的可管理性。     

数据挖掘及数据库技术在故障诊断专家系统中的应用

分析了数据挖掘技术应用于专家系统的可能性,用粗集理论和集对分析理论解决专家系统中规则的抽取和过滤问题,提出了一种新的规则提取方法.结合开发智能故障诊断系统的经验,讨论了数据库及其相关技术在推理机设计方面的应用.     

探索式数据挖掘模型的讨论

OLAP与数据挖掘工具由于内在技术以及适用范围的不同 ,在决策分析中必须协调使用才能发挥最佳的作用。本文提出基于影响域的OLAM (OLAPMining)模型 ,将数据挖掘和OLAP技术结合在一个统一的框架之中 ,使得数据挖掘能够在数据库或数据仓库的不同部位、或在不同的抽象级别上进行 ,加强了决策分析的功能和灵活性。该模型有助于在大型数据库和数据仓库中交互式地挖掘多层次的知识     

Web数据挖掘原理及实现

为了解决Web单个数据仓库不方便对过去的数据进行查询和遍历以及因找不出数据间的联系方式而影响Web传输率的问题，笔者以XML(Extensible Markup Language)为基础，面对Web数据库中半结构化的数据结构进行挖掘，发现数据信息隐藏的规则和知识，实现了Web数据挖掘。Web数据挖掘技术不仅能对Web过去的数据进行查询和遍历，而且能找出数据问的潜在关系，从而大大提高了Web的传输率。     

基于统计分析技术的属性数据挖掘

面向属性归纳的方法以关系的或面向属性的操作实现数据挖掘过程。文中将统计分析方法和面向属性的归纳方法接合起来 ,形成了一种应用比较广的数据挖掘方法。同时提出属性数据挖掘可分为两个层次 ,包括从数据产生模型和从数据归纳出知识。从数据推导出的模型可以进行数据预处理和定量描述变量之间的关系 ;由数据挖掘出的知识可以揭示客观世界的普遍规律     

聚类算法在数据挖掘领域的研究

全方位的对各类聚类算法进行总结和归纳,并且对一些在特殊领域中应用聚类算法进行深度解析,然后从以下三个部分,算法思想,关键技术以及算法特点等方面进行基本概括,对一些代表性的聚类算法进行比较分析以及聚类算法新领域研究的展望,这对将来聚类发展具有重大意义.     

基于Multi-Agent技术的个性化数据挖掘系统

设计基于Multi Agent技术的个性化数据挖掘系统,介绍了该系统构造的基本思想和Agent的状态转变关系及其它们之间的通信协议;利用用户Agent和挖掘Agent得到个性化数据挖掘系统MAS,并给出了系统的算法.该类系统的特点是:用Agent模拟人,实现用户在系统中的智能代理.结果表明,它能够实现数据挖掘的个性化服务功能,提供对用户真正有价值的知识,有效地避免了用户的重复劳动和精力耗费;同时,避免了系统对无用数据的挖掘,提高了系统的运行效率.     

数据流挖掘技术研究

随着数据流系统、传感网络和移动设备的广泛传播,数据流中的数据分析与挖掘技术应运而生。对数据流挖掘算法进行分析和总结,指出数据流分析与挖掘技术存在的缺陷及进一步的研究方向。     

基于数据挖掘技术的SP企业广告策略

神经网络与关联规则是两种重要的数据挖掘技术。介绍了数据挖掘中神经网络、关联规则的常用算法,最后以某SP公司的实际群发记录为例,运用BP神经网络方法与关联规则的Apriori算法挖掘出隐藏在数据背后有用的强规则,说明了数据挖掘对SP广告宣传策略的制定具有一定的决策支持意义。