基于C4.5决策树学生成绩数据挖掘方法

数据挖掘技术从产生以来得到了广泛的研究和应用,在数据的分类技术方面C4.5算法的研究已经比较成熟,但在学生成绩挖掘方面的应用比较少,本文首先论述了主要分类技术,详细介绍了C4.5决策树分类算法,并以实际学生成绩数据为依据,进行学生成绩的数据挖掘,通过对挖掘结果的分析表明,C4.5决策树算法高效、准确,是对学生成绩数据挖掘的首选工具.     

决策树分类算法及其应用

分类算法是数据挖掘中的最重要的技术之一.本文对决策树数据挖掘方法进行分析和比较;并应用分类方法挖掘枣树嫁接成活率与各种外在因素之间的关系,证明了决策树算法在果树研究领域有着广阔的应用前景.     

中国数据挖掘研究进展

数据挖掘（data mining）是一个从大规模数据中挖掘不平凡知识的专门技术,目前已经在自然科学、生物医学、经济学、社会学甚至文学研究中得到了广泛的应用.从传统任务分类的角度,数据挖掘技术可分为七类,分别是：分类,聚类,预测,关联规则,评估,可视化和复杂数据类型挖掘.但数据挖掘技术近几年得到了迅猛的发展,已经扩展到社...     

基于数据挖掘的入侵检测系统分析研究

首先介绍了入侵检测系统的相关技术,然后着重介绍了将数据挖掘技术应用于入侵检测系统;通过数据挖掘技术和入侵检测技术,提出了一种基于数据挖掘技术的入侵检测系统模型;将数据挖掘方法中的关联规则,分类分析在入侵检测系统中的协同工作方式,通过对关联规则和分类分析,得到入侵规则。     

数据挖掘综述

从人工智能、统计分析和数据库技术3个方面对数据挖掘技术进行了总结;从模式识别的角度讨论了数据挖掘技术的主要任务,包括分类、聚类、回归、关联、序列和偏差6种模式的识别.详细介绍了数据挖掘技术的常用方法,包括模糊理论、粗糙集理论、云理论、证据理论、人工神经网络、遗传算法以及归纳学习.列举了当前数据挖掘技术的实际应用场合,并指出其今后的发展趋势以及急需关注的问题.     

基于数据挖掘和高光谱数据的湿地植被精细分类

以大丰市沿海滩涂湿地区域为研究区,以机载高光谱影像为主要数据源,冠层高度模型(canopy height model,CHM)数据为辅助数据,采用数据挖掘的方法对高光谱数据进行特征规则提取,实现了湿地植被的精细分类.结果表明:3种湿地植被分类结果的总体精度为90.3%,说明数据挖掘技术在处理高维数据时不仅可以提取重要程度较高的数据,而且可以减少数据量,提高数据处理效率与分类精度;与传统的支持向量机分类法(SVM)分类结果进行对比,基于数据挖掘的湿地植被精细分类总体精度比SVM分类方法高10.8%,表明数据挖掘方法在湿地植被高光谱遥感分类问题上具有较大优势.     

基于Web的数据挖掘研究

基于Web的数据挖掘是一个结合了数据挖掘和WWW的热门研究主题.本文介绍了Web数据的特点及Web数据挖掘研究的三种分类:Web内容挖掘、Web结构挖掘、Web使用挖掘,并总结了Web日志挖掘的常用数据挖掘技术.     

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.     

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     

数据挖掘技术在电子商务客户关系管理中的应用研究

在电子商务环境下,客户的信息量越来越大,运用数据挖掘技术研究客户关系管理,可实现从大量不确定的客户信息中挖掘出客户分类的依据和信息,为企业提供重要决策支持.通过分析和总结国内外学者研究成果,找出了数据挖掘在电子商务环境下客户关系管理应用研究方面的不足,论证了数据挖掘在电子商务环境下客户关系管理中的必要性,研究并提供了数据挖掘技术在电子商务客户关系管理中的应用方法及实施步骤.     

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.     

数据挖掘与虚拟数据库

给出了数据挖掘的概念及数据挖掘系统的分类,并基于Ｉｎｔｅｒｎｅｔ／Ｉｎｔｒａｎｅｔ数据挖掘给出了虚拟数据库技术的基本思想及实现     

数据挖掘技术在网络入侵检测中的应用

基于通用入侵检测轮廓,建立了一个基于数据挖掘技术的异常检测模型,采用关联规则、序列规则对数据进行挖掘,用判定树分类技术对获得的规则进行分类.实验表明,本模型具有较好的效益.     

可视化数据挖掘技术的研究与实现

为了充分发掘和利用信息资源的价值,数据挖掘技术应运而生;首先就可视化数据挖掘的概念和分类进行了阐述,然后探讨了可视化数据挖掘的一些主要技术,最后通过所开发的一个系统对经典的购物篮分析问题进行了可视化数据挖掘技术的实现探讨。     

浅谈数据挖掘在防雷业务信息管理中的应用

数据挖掘就是利用已知的数据通过数学建模的方法找到隐含的业务规则.随着对数据挖掘技术的不断重视,其应用研究也越来越广.目前各地都有自己的防雷业务系统,但没有一个比较完善的数据挖掘系统,来整合防雷业务技术资源,造成了一定的技术资源的浪费.该文将数据挖掘技术引入防雷业务信息的管理中,采用分类、聚类、关联、预测等方法,用从客户关系管理、检测信息管理、仪器设备管理三方面,分析挖掘出防雷业务中隐含的有价值信息,为行业的后续发展提供良好的规划支持.     

基于Spark的组合分类器链多标签分类方法

随着数据挖掘技术在现实问题中的广泛应用,多标签学习现已成为数据挖掘技术中的一个研究热点.组合分类器链(ECC)算法是一种性能较好的多标签分类方法,其分类效果好、准确度高,但该算法的时空复杂度较高,不能适应大规模多标签数据分类任务.为此提出了一种基于Spark的组合分类器链多标签分类方法,将串行组合分类器链算法的各步骤进行了并行化实现.通过单机实验和集群并行化实验,证明该方法对大规模多标签数据集具有良好的适应能力和加速比,且分类效果不输于传统的串行多标签分类方法.     

数据挖掘分类算法刍议

本文主要针对数据挖掘分类算法研究现状,对目前发展较成熟的几种分类算法如决策树、关联规则分类、神经网络、贝叶斯方法、遗传算法等分别进行了论述,并且展望了数据挖掘技术的未来。     

两类数据挖掘工具评估分析的定量化

针对企业是否采用数据挖掘工具以及采用何种数据挖掘工具的问题,提出了评估数据挖掘工具价值的定量化分析方法;利用马尔可夫转移概率矩阵与数学规划模型对分类型数据挖掘工具进行价值评估,确定分类型数据挖掘工具带来的价值;利用分布密度函数和信息熵对预测型数据挖掘工具进行价值评估,确定预测型数据挖掘带来的价值;再通过采用数据挖掘工具需要的成本,最终建立了评估两类数据挖掘工具(分类与预测)的效益模型,为企业成功实施数据挖掘提供保证.     

浅谈数据挖掘的发展及其应用

随着信息技术的发展,数据挖掘技术已经在各种领域中获得广泛应用,近年来数据挖掘技术在金融、电信、零售、医疗、科研等行业领域内发挥了巨大的作用。本文介绍了数据挖掘的分类方法和目前采用较普遍的一些数据挖掘方法,综合论述了数据挖掘未来的发展趋势。     

Web文本数据挖掘技术及其在电子商务中的应用

简要介绍了数据挖掘、Web数据挖掘及Web文本数据挖掘技术。从特征项提取、文本关联分析、文本分类、文本聚类等方面对Web文本数据挖掘技术在电子商务中的应用作了探讨,并略述了Web文本数据挖掘技术的应用现状及其发展趋势。