数据挖掘技术研究

随着计算机技术和信息技术的发展，数据库的规模不断扩大，如何从中发现有价值的信息或知识，成为一项非常艰巨的任务。一种去粗存精、去伪存真，能够从海量的数据中提取知识和信息的数据挖掘技术应运而生。     

数据挖掘技术浅析

本文主要概述了数据挖掘理论知识。首先从数据挖掘与知识发现的交叉关系角度讨论了数据挖掘的概念;然后,在对数据挖掘功能作了简单介绍的基础上,分析了基于统计学、基于机器学习、基于数据仓库和基于神经网络的四类数据挖掘方法的基本原理、特点。最后,给出了比较和评价挖掘方法的参考标准。     

浅谈数据挖掘技术及其应用

随着计算机及网络技术的发展, 使我们积累了越来越多的数据.仅仅通过传统方法难以完成对海量数据进行深入分析和利用.数据挖掘是一种智能化的、综合应用各种统计分析、数据库、智能语言来分析庞大数据资料的技术,在数据的利用和提取方面发挥着日益重要的作用.     

浅谈数据挖掘技术及数据挖掘方法

数据挖掘是人们长期对数据库技术进行研究和开发的结果,是当前计算机科学研究的活跃领域。数据挖掘技术能快速有效地从海量的网络信息中,挖掘出潜在的、有价值的信息,使之有效地在管理和决策中发挥作用。数据挖掘方法结合了数据库技术、机器学、统计学等领域的知识,从深层次挖掘有效的模式。数据挖掘技术具有广泛的应用前景。     

数据挖掘技术综述

数据挖掘技术经过十几年的研究与应用,已经建立了较扎实的理论基础,目前正在向与应用领域紧密结合,对现有技术进一步改造方面发展。本文从挖掘对象和挖掘应用两方面对数据挖掘技术的发展进行讨论。     

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.     

数据挖掘技术方法的研究

数据挖掘作为近年来新兴的一种数据处理技术,不仅被许多研究人员看作是数据库系统和机器学习方面一个重要的研究课题,而且已经被工商界人士看作是一个能带来巨大回报的重要领域。本文主要介绍了有关数据挖掘的定义、任务,详细的介绍了数据挖掘具体的方法和操作步骤。     

浅谈数据挖掘技术

随着海量数据搜集技术提高、数据挖掘算法的不断完善、多处理器计算机技术的不断发展，成为支持数据挖掘技术发展的基础，数据挖掘使数据库技术进入了一个更高级的阶段，它不仅能对历史数据进行查询和遍历，并且可以找出历史数据之间的游在联系，从而促进信息的传递。     

浅谈数据挖掘技术

本文介绍了数据挖掘技术产生的背景,数据挖掘的定义及主要功能类别,并分析数据挖掘技术的应用、存在的问题和前景展望。     

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。     

数据挖掘技术及其应用研究

数据库—数据仓库技术和网络技术的迅猛发展 ,使我们积累了越来越多的数据 ,如何对这种海量数据进行深入分析和利用 ,并从中发现有用的知识 ,已成为信息化社会所面临的重要问题 .探讨近年发展起来的海量数据处理技术—数据挖掘的概念、任务、方法、过程 ,以及数据挖掘在有关行业中的应用 ,说明了在高校相关专业中开设数据挖掘课程的必要性     

图像数据挖掘技术研究

在数字化时代要求对大量的图像数据进行分析以获得知识。本文针对图像数据挖掘技术,详细讨论了图像的挖掘模型与框架、预处理、挖掘技术等问题,在此基础上提出未来可发展和研究的方向。     

数据挖掘技术应用研究

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，数据挖掘和知识发现(DMKD)技术应运而生，并得以蓬勃发展。1 …     

数据挖掘理论与技术研究

数据挖掘是人工智能和数据库研究的综合领域,数据挖掘技术的理论与技术发展迅速。本文对数据挖掘的概念及所要达到的目标进行了深入剖析,介绍了数据挖掘的核心技术。     

数据挖掘技术的应用研究

数据挖掘技术是一个年轻且充满希望的研究领域,商业利益的强大驱动力将会不停地促进它的发展。每年都有新的数据挖掘方法和模型问世,人们对它的研究正日益广泛和深入。     

数据挖掘中的聚类分析研究

数据挖掘是信息产业的热门研究方向,聚类分析作为其核心技术,早已经被深入的研究。本文探讨了聚类分析的统计量,对聚类方法和算法进行了比较和分析,以便在日常应用中能准确快速的选择特定的算法。     

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.     

浅谈数据挖掘技术

在浩瀚的数据海洋中,人们常常陷入渴望有效信息而无法入手的尴尬局面,传统的统计方式通常需要投入大量的时间、人力、物力,而且最终结论的精确性不高。通过数据挖掘技术对原始数据进行加工,能够准确、高效地从数据海洋中找到答案获得价值信息,本文对这一技术进行探讨。     

浅析数据挖掘技术

在数据仓库解决方案的基础之上开发数据挖掘系统,可以使数据仓库进一步适应企业高层决策的需求.基于数据仓库的挖掘系统不仅具有极高的灵活性,而且能够协助用户发现期望获取的知识和部分未知的有用信息.本文将介绍基于OLAP数据挖掘的概念,以及讨论OLAP关联挖掘的实现.