Web数据挖掘研究

web数据挖掘是数据挖掘技术与web的结合,介绍了web数据数据的概念、web数据挖掘的分类以及web数据挖掘的应用问题。     

web数据挖掘在电子商务中的应用

随着互联网信息的增长,web数据挖掘已经成为数据挖掘研究领域的热点之一,尤其是在电子商务领域。本文着重阐述了web数据挖掘技术及其在电子商务中的应用。     

S-粗语义概率及其特性

本文针对web数据挖掘中,具有动态性和不确定性语义web所存在的问题,基于单向S-粗集,提出S-粗语义和S-粗语义概率的概念,对粗语义、S-粗语义、粗语义概率和S-粗语义概率的特性进行了讨论,并给出了应用。利用语义web的概率特性,S-粗语义概率能够更好地描述web数据挖掘中具有动态特性的不确定性语义web问题。     

基于Web数据挖掘

Web上有海量的数据信息,怎样对这些数据进行复杂的应用成了现今数据库技术的研究热点。本文将在web挖掘的特点、web挖掘的分类及涉及技术作了一个简要的分析和概述。     

基于IIS和web日志的关联关系的挖掘

针对隐藏在web日志的大量记录中的规律性开展研究，提出了一种基于微软的ⅡS合理构建web日志并进行数据预处理的方案，在此基础上运用Apriori算法挖掘用户访问的页面间的关联关系，将数据预处理过程提前到web日志的建立过程中，可极大地降低数据准备的复杂性，将日志数据导入关系数据库中进行净化处理，大幅度减少了工作量，该方案可用于ⅡS下的商业网站。     

Web数据挖掘及应用研究

Web数据挖掘是数据挖掘技术与Web相结合的产物。本在深入分析了web数据挖掘的基本概念、挖掘流程及挖掘技术后,讨论了Web数据挖掘的几点具体应用。     

基于Web数据流挖掘的增值服务平台设计

根据web数据流的动态性、连续性和实效性的特点,分析和挖掘不同类型的数据,成立样本库,将分类后的数据用相应的流算法进行处理,构建web数据流挖掘系统,分用户、挖掘、数据三层,在挖掘层实现数据处理,然后应用到网站中,实现网站的增值服务.     

基于云计算技术的Web数据挖掘的算法研究

本文提出一种基于云计算的web数据挖掘算法,云计算技术将大数据集与进行数据挖掘的人员分配到多台计算机工作站上进行并行处理。Web数据挖掘是指探寻网络中的大量有用信息进行分析,选择和存储有用的信息。利用云计算技术可以明显提高web数据挖掘的效率。     

Web数据挖掘在个性化网络学习中的应用

首先介绍了Web数据挖掘的概念及常见的三种web数据挖掘模式Web内容挖掘、Web结构挖掘、Web访问挖掘,然后Web数据挖掘在个性化网络学习中的应用空间分两个方面进行分析.     

Web数据挖掘算法

本文利用web数据挖掘方法对网站进行优化,在提出了网站优化系统的基本框架基础上,给出相应的web数据挖掘算法:频繁模式发现及序列模式挖掘两个主要算法以找到网站访问者感兴趣的页面集合以及频繁使用的链接序列,该结果以改进网站的设计,提高网站的访问率。     

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。     

XML在Web数据挖掘中的应用

介绍了XML含义及其特点，指出了基于XML的Web数据挖掘模型．探讨了XML在Web数据挖掘中的应用。     

面向用户行为的Web使用挖掘技术

网络技术的广泛使用,使网站争夺用户的竞争愈演愈烈,用户的浏览兴趣、行为模式是网站设计的导向标.对Web使用挖掘的数据收集与预处理技术、模式发现与模式分析技术的理论和方法进行了梳理以及Web使用挖掘在电子商务中的应用,并对Web使用挖掘研究中存在的问题做了一些探讨.     

浅析XML在Web数据挖掘中的应用

Web数据挖掘是将数据挖掘技术和理论应用于对互联网资源挖掘的一门新兴研究领域．XML能够为web数据挖掘提供半结构化的数据模型,解决了Web挖掘中的数据源问题．分析了Web数据挖掘的特点,并将XML技术引入Web数据挖掘领域中,进而在此基础之上介绍了一种数据挖掘的模型．     

关联挖掘在Deep Web查询中的研究与应用

对Deep Web进行模式匹配查询时,通常会碰到复杂的模式匹配。由于复杂模式匹配技术在对所有可能联接进行匹配时,需要的空间开销比简单匹配的空间开销大得多,所以现有的模式匹配技术大部停留在简单匹配技术上。为了解决这一难题,本文提出了关联规则挖掘这一方法在复杂匹配中的应用,将模式匹配视为一种关联挖掘,实现web查询接口的匹配,以此将Internet上众多数据库进行集成。     

深基坑参数融合数据模型与数据结构

基于深基坑开挖过程中,不同实体的几何参数、物理参数和力学参数之间的关联性,提出深基坑参数融合数据模型,实现将深基坑的几何模型和力学模型统一在一个框架之下.根据面向对象的编程思想,采用C++语言对各基坑实体进行描述,为模型设计一个能够体现各基坑实体类之间层次关系的数据结构,并开发了深基坑三维建模与风险预警软件.将开发的软件应用于上海市汉中路地铁车站深基坑项目,结果表明,该数据模型很好地实现了不同基坑实体之间的关联,可以有效地预测深基坑施工过程中的潜在风险.     

数据挖掘的应用现状

本文介绍数据仓库和数据挖掘的相关基本知识并探讨了数据挖掘在现实中的应用，包括在超级市场，图书馆管理，保险金融业，以及产品制造业的应用.     

Web日志挖掘中数据预处理技术研究

Web日志挖掘的基本思想是将数据挖掘技术应用于Web日志数据源。在数据挖掘研究领域中,数据预处理起着至关重要的作用。Web日志挖掘的数据源最主要的是Web日志,根据Web日志的特点,在预处理过程中的会话识别阶段给出一种基于过滤框架网页与页面访问时间阈值相结合的会话识别方法,实验数据验证说明该方法可以显著地提高Web日志挖掘结果的兴趣性。     

基于XML的Web数据挖掘技术

全面分析了Web挖掘最新技术及发展方向,重点分析了Web结构挖掘、Web内容挖掘方法以及Web Log挖掘等,介绍了基于XML的Web数据挖掘的特点,提出了运用XML解决Web数据挖掘中半结构化数据的模型查询与模型抽取的方法,并通过实例说明了该方法.     

基于PSO-LSSVM算法的隧道掘进机掘进参数预测方法

为了规避隧道掘进机(tunnel boring machine, TBM)掘进参数人为设定的主观性,提出了一种基于粒子群-最小二乘支持向量机算法(PSO-LSSVM)的TBM掘进参数预测方法。通过从海量TBM工程掘进数据中探寻参数变化规律,降低了TBM主司机设定掘进参数的主观性,辅助其合理选择掘进参数,有利于提高掘进效率、规避工程风险,经实验和工程数据验证,PSO-LSSVM算法通过对样本粒子全局迭代寻优来优化参数,提升了预测算法泛化能力和预测精度,对推力、扭矩和推进速度参数预测数值偏差满足要求,可辅助指导主司机设定掘进参数。