基于神经网络的数据挖掘方法评述

简要叙述了数据挖掘的概念及几种主要的基于神经网络的数据挖掘方法,并对这些方法的研究现状进行了评述,指出其存在的问题.展望神经网络在数据挖掘中的发展潜力.     

数据挖掘的基本过程及方法

知识发现与数据挖掘是人工智能、机器学习与数据库技术相结合的产物。随着科学数据大量积累和各种数据库的普遍使用，人们又逐步认识到海量数据的利用十分困难、效率低下，而且从中难以获得有价值的指导性意见。另一方面，更多带规律性的信息和知识又往往被大量原始数据淹没。在这种情况下，数据挖掘技术就应运而生，出现在众多学科领域，成为一种强大的化学信息技术。     

基于数据挖掘技术的负荷预测模型

为有效选取预测变量和训练模式、提高预测精度，提出了一个基于数据挖掘技术的负荷预测模型．该模型首先利用粗集理论和遗传算法选取与负荷相关的预测变量，再选取与预测日相似的训练模式，最后用神经网络对负荷进行预测．实际运行结果表明将该模型应用于电力系统负荷预测是可行的，其与传统的神经网络预测模型相比具有更高的预测精度.     

基于故障诊断的数据挖掘系统

故障诊断规则获取一直都是研究的热点之一。粗集作为分类数据挖掘方法的一种，是故障诊断的一种新的有效方法。首先介绍了基于故障诊断的数据挖掘系统特点及结构，然后介绍各模块功能，并论述了相关的粗集理论及具体算法，最后给出了系统的应用实例。     

数据挖掘的粗集方法研究

数据挖掘的方法和技术很多,其中粗集理论在知识获取中得到了广泛应用,它可对不完整数据进行分析和归纳,从中发现知识.通过分析数据挖掘的含义及粗集理论的概念,讨论了数据挖掘的粗集方法.     

数据挖掘方法与应用

数据挖掘是近十来年出现的新技术,它已用于企业决策支持,市场策略制定等,并将成为决策支持系统的一个重要组成部分。本文从KDD处理过程、数据挖掘技术和应用等方面对数据挖掘进行了较详细的讨论。     

数据挖掘之决策树方法概述

数据挖掘在科研和商业应用中正发挥着越来越重要的作用。分类器是数据挖掘的一种基本方法，决策树是一种最重要的分类器。本文介绍了分类器中的决策树方法及其优点，决策树表示法，决策树构造思想，并比较了各种重要的决策树算法。介绍了决策树算法的实现工具，决策树与数据仓库的结合，决策树的适用范围及应用，最后探讨了决策树的发展趋势。     

用于数据挖掘的粗集产生多重知识库的方法

提出了一种用于数据挖掘的粗集产生多重知识库的方法．该方法基于粗集理论的简化和决策矩阵．首先从知识表示系统中消除冗余属性,产生简化表,形成简化的知识表示系统,提高学习的有效性和精确性．然后从简化表中推导出决策矩阵,通过决策矩阵获取最小决策规则,计算包括所有必需属性的简化集合,给出计算最小决策规则和计算多重简化的算法．最后由相应的简化对最小决策规则进行分组形成多重知识库,给出产生多重知识库的算法．     

数据挖掘中决策树分类方法研究

分类知识的获取是数据挖掘所要实现的重要任务之一,其核心问题是解决分类模型的构造和分类算法实现问题.本文以决策树分类方法中有代表性的方法C4.5为例介绍数据挖掘中的一种分类模式:基于决策树方法的分类器的构建方法和算法.     

基于粗集理论的数据挖掘应用

论述了粗集的基本理论和特点，并对其在旋转机械故障诊断中的应用进行了探索，提出了粗集理论在旋转机械故障诊断中的数据挖掘方法，运用这一方法对故障诊断决策表进行属性约简，去除其中不必要的属性，揭示出旋转机械故障诊断条件属性中的冗余性，最后得出了属性约简的结果以及决策规则。     

Domain-oriented data driven data mining:a new understanding for data mining

Recent advances in computing, communications, digital storage technologies, and highthroughput dataacquisition technologies, make it possible to gather and store incredible volumes of data. It creates unprecedented opportunities for largescale knowledge discovery from database. Data mining is an emerging area of computational intelligence that offers new theories, techniques, and tools for processing large volumes of data, such as data analysis, decision making, etc. There are many researchers working on designing efficient data mining techniques, methods, and algorithms. Unfortunately, most data mining researchers pay much attention to technique problems for developing data mining models and methods, while little to basic issues of data mining. In this paper, we will propose a new understanding for data mining, that is, domainoriented datadriven data mining (3DM) model. Some datadriven data mining algorithms developed in our Lab are also presented to show its validity.     

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.     

网络数据的挖掘

对当前实用的搜索引擎技术作了较为全面的综述,主要介绍了搜索引擎中较为核心的两大技术:信息采集及数据搜索技术,对当前较为先进和常用的相关技术进行了列举,并对各类技术的优缺点作了简要的比较及说明。特别对信息采集中网络蜘蛛的工能及原理进行了介绍,详细介绍了著名的互联网搜索引擎Google在数据检索方面所使用的PageRank算法,最后较为全面的给出了几种主要的中文分词技术。利用个别现有的著名搜索引擎实例对相关技术的实现进行了举例和说明。     

数据采掘中的可视化技术和方法

主要介绍了几种目前常用的可视化数据采掘技术，以及它们的含义、技术特点和适用范围；同时描述了一个集成多种可视化数据采掘技术的系统工具——VisDB系统，并对其性能进行了评价；最后，通过一个商业POS的数据采掘应用实例，说明可视化数据采掘技术对分析和检索大型数据库是非常有用的。     

数据挖掘中的数据分类算法综述

分类算法是数据挖掘中的最重要的技术之一。通过对当前提出的最新的具有代表性的分类算法进行分析和比较 ,总结每类算法的各方面特性 ,从而便于研究者对已有的算法进行改进 ,提出具有更好性能的新的分类算法 ,同时方便使用者在应用时对算法的选择和使用     

基于数据挖掘的ontology应用框架

提出了一个通用数据挖掘系统框架(GDMF)模型.其目的是为了能够从数据挖掘应用中抽取出核心功能并将其应用到可重用可扩展的原型系统中,以便快速地建造数据挖掘应用系统.在GDMF中ontology被用做语义数据模型.通过使用ontology驱动的数据挖掘查询语言,用户能够很轻松地表达一些复杂查询.最后,给出了使用GDMF作为一个建模工具去设计数据挖掘系统的方法.     

Image Post-Processing Method for Visual Data Mining

Visual data mining is one of important approach of data mining techniques. Most of them are based on computer graphic techniques but few of them exploit image-processing techniques. This paper proposes an image processing method, named RNAM （resemble neighborhood averaging method）, to facilitate visual data mining, which is used to post-process the data mining result-image and help users to discover significant features and useful patterns effectively. The experiments show that the method is intuitive, easily-understanding and effectiveness. It provides a new approach for visual data mining.     

WEB数据挖掘研究与探讨

随着WWW迅猛发展,WWW上的信息量不断增加,如何在这些信息中找到用户真正需要的内容,成了数据组织和web相关领域的专家学者关注的焦点.为了解决这个问题,把数据挖掘的理论和技术应用于WWW,出现了一个新的研究领域-Web数据挖掘.主要介绍了Web数据挖掘的原理、应用、实现以及它的最近发展情况.     

股票信息的数据挖掘

从大型数据库中找寻信息被认为是数据库和机器学习领域中一项重要技术 .用数据挖掘的方法对不同的股票信息进行了详细解释说明 .     

数据挖掘技术综述

对数据挖掘技术进行了综述,阐述了数据挖掘产生的背景、定义和任务,论述了数据挖掘的技术和算法,介绍了目前数据挖掘的应用状况及指出了数据挖掘的未来研究方向。