浅谈数据挖掘技术及其应用

随着现代信息技术、通讯技术、数据库技术、网络技术、数字化图书馆和计算机技术的高速发展及数据库管理系统的广泛应用,使得数据库存储的数据量急剧增大。面对“堆积如山”的数据集合,传统的数据分析手段都难以应付,造成大量数据资源的浪费,因此需要新的技术来自动、智能和快速地分析海量的原始数据,以使数据得以充分利用,由此引发了一个新的研究方向：数据挖掘与知识发现的理论与技术研究。数据挖掘技术在分析大量数据中具有明显优势,基于数据挖掘的分析技术在金融、保险、电信等有大量数据的行业已有着广泛的应用。     

浅谈数据挖掘技术及其应用

科技的进步,特别是信息产业的发展,把我们带入了一个崭新的信息时代。数据库管理系统的应用领域涉及到了各行各业,但目前所能做到的只是对数据库中已有的数据进行存储、查询、统计等功能,通过这些数据获得的信息量仅占整个数据库信息量的一小部分,如何才能从中提取有价值的知识,进一步提高信息量利用率,因此需要新的技术来自动、智能和快速地分析海量的原始数据,以使数据得以充分利用,由此引发了一个新的研究方向:数据挖掘与知识发现的理论与技术研究。数据挖掘技术在分析大量数据中具有明显优势,基于数据挖掘的分析技术在金融、保险、电信等有大量数据的行业已有着广泛的应用。     

数据挖掘技术及其应用

近十几年来,人们利用信息技术生产和搜集数据的能力大幅度提高,数据库系统在商业管理、政府办公、科学研究和工程开发等诸多领域得到广泛应用,这一势头仍将持续并发展下去。于是,面对信息产业的发展提出一个新的挑战:在这被称之为信息爆炸的时代,信息过量几乎成为人人需要面对的问题。如何才能不被数据的汪洋大海所淹没,并从中及时发现有用知识,提高信息利用率,成为一个企业的资源,为企业的业务决策和战略发展服务,否则大量的数据可能成为包袱,甚至成为垃圾。因此,面对"人们被数据淹没,人们却饥饿于知识"的挑战,数据挖掘和知识发现(DMKD)技术应运而生,文章主要对目前常用的数据挖掘技术以及其在各行业应用情况进行了概述。     

数据挖掘技术及其应用

数据挖掘是一个年轻而充满生机的领域,面对海量的数据,它可以对这些数据进行统计、分析、综合和推理,找出我们感兴趣的有价值的信息,以指导实际问题的求解,发现事件间的相互关联,甚至利用已有的数据对未来的活动进行预测。数据挖掘技术已经涉及市场分析、欺诈检测、科学研究、顾客保有等多个方面,正在蓬勃发展。本文主要讨论数据挖掘技术的一些基本概念及其应用情况。     

数据挖掘技术在移动通信中的应用

研究了应用于移动通信业的数据挖掘系统,以实际运行数据说明了关联规则挖掘和分类模型挖掘在移动通信中的具体应用．     

粗糙集理论及其在数据挖掘中的应用

Rough sets理论被广泛运用于不确定环境下的信息处理.基于粗糙集理论的数据挖掘技术正日益受到计算机科学家和数学家的重视.笔者介绍了粗糙集理论的发展过程和基本特点,粗糙集理论在数据挖掘中的应用,以及典型的基于粗糙集的数据挖掘系统,并介绍了粗糙集理论的研究方向和研究领域,最后论述了粗糙集理论与其他智能化方法结合起来处理信息的必要性.     

数据挖掘技术及其应用

数据挖掘是数据库研究中一个很有应用价值的课题,它融合了数据库、人工智能、机器学习等多个领域的理论和技术,本文介绍数据挖掘系统的体系结构、数据挖掘的方法及应用。     

数据挖掘技术及其应用研究

数据库中的知识发现(Knowledge Discov-ery in Database,简称KDD)是一个新兴的人工智能与机器学习技术相结合的研究领域,它是基于人工智能、机器学习、模式识别、统计学等技术,高度自动化地分析大量的数据,从中挖掘出潜在的规律,为作出正确的决策服务.随着数据量的急剧增长,一些大型数据库的规模已经远远超过人工所能分析的程度,需要通过数据库中的知识发现技术来解决,因而有着广阔的应用前景.     

数据挖掘技术在地理信息系统中的应用

地理信息系统(GIS)可提供大量信息,但却无法发现数据中存在的关系和规则,利用数据挖掘技术可以从GIS数据库中挖掘出隐含的知识和空间关系,从而增强GIS的功能。     

数据挖掘技术在高校教学系统中的应用

数据挖掘的本质是从已有信息中发现模式或规律。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分析和挖掘,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,协助辅导员加强对学生的管理,为提高高校的教学管理水平提供了科学依据。     

数据挖掘技术及其在教学中的应用

数据挖掘是当前数据库和信息决策领域的研究热点,本文首先介绍了数据挖掘的基本涵义和主要方法,然后阐述数据挖掘技术在教学中的应用.     

数据挖掘技术及其在教学中的应用

数据挖掘是当前数据库和信息决策领域的研究热点,本文首先介绍了数据挖掘的基本涵义和主要方法,然后阐述数据挖掘技术在教学中的应用.     

决策树在数据挖掘中的应用研究

本文介绍了基于决策树的分类方法、基于决策树的知识发现的一般概念及决策树在数据挖掘中的应用。重点介绍了基于ID3算法的决策树生成方法,分析其用于数据分类和知识发现的过程及特点。     

主动时态数据库在数据挖掘中的技术和应用

针对目前数据越来越多 ,而提取有用数据越来越困难的现状 ,参照流行的观点 ,提出了解决该问题的数据挖掘 (DM)和知识发现 (KDD)的一种方法 .在DM和KDD中应用主动时态数据库技术 ,提出构造一个原型系统的模型     

空间数据挖掘技术及其智能推理体系结构

面对数据的数量和复杂性急剧增加的问题,首先讨论了数据挖掘技术的研究进展,并对数据挖掘在空间数据库中的应用进行了深入地探讨。然后提出三种基于空间数据挖掘、空间数据仓库、智能决策支持系统（IDSS）和范例推理（CBR）技术的智能推理体系结构,并对这三种体系结构的优劣进行了分析对比,其中以第三种结构为优。最后对空间数据挖掘在各领域中的应用前景以及有待解决的问题进行了展望。     

基于Web的数据挖掘技术及其应用

在总结KDD方法和DM技术的基础上,对web挖掘的现状、今后可能采用的技术及其应用进行了分析和讨论.     

数据挖掘及在英语借词分类中的应用

本文简要介绍了数据挖掘的技术和应用 ,并用数据挖掘技术对英语中的汉语借词分类进行了分析和挖掘     

数据挖掘技术研究

介绍了数据挖掘这一新兴技术的基本原理、历史和未来的研究发展以及国内存在的问题．     

数据挖掘技术在预测农作物生长过程中的应用研究

数据挖掘是一种决策支持过程.它主要融合了人工智能、统计学、数据库、机器学习等领域的技术.其目的是在大量的数据中发现有价值的信息,故又称为数据库中的知识发现.随着多种农业数据的增加,人工分析会变得越来越难.作者采用数据挖掘技术预测温室作物生长,因作物生长是时序性的,在时序模型转化为关系模型时,引入程度副词来进行转换,而在预测作物的生长时,又提出了在作物生长的历史数据中提取潜在规律并采用数据挖掘技术,通过与其他预测技术的比较,发现运用数据挖掘的方法具有较高的预测精度.     

数据挖掘技术研究

介绍了数据挖掘这一新兴技术的基本原理、历史和未来的研究发展以及国内存在的问题.