知识发现和数据挖掘的研究

近年来，随着信息产业的急剧发展，数据大量地产生和搜集，使得传统的数据管理方法不能有效地使用这些数据为人们服务。于是，人们不得不去寻找一种新的方法和技术，使之能够智能地、自动地将这些数据转化处理为有用的信息和知识。知识发现和数据挖掘（ＫＤＤａｎｄＤａｔ...     

数据挖掘技术与数据库知识发现

本文主要介绍数据挖掘技术（DataMining）与数据库知识发现（Knowledge Discovery in Database，KDD）的概念、数据挖掘算法、数据挖掘技术流程、数据挖掘技术的应用现状。并阐述了数据挖掘与数据库知识发现的区别、联系与面临问题。     

基于知识发现的数据挖掘技术分析与研究

本文提出一种新的基于知识发现的数据挖掘技术：挖掘转移规则。首先分析关联规则的不足,并给出转移规则的形式模型和模板算法,最后讨论挖掘转移规则的应用和发展。     

论数据挖掘技术的发展前景及应用

数据挖掘是数据库最活跃的领域之一,本文不仅系统的介绍了数据挖掘技术的发展背景、数据挖掘的概念和特点、数据挖掘的功能和过程,而且对数据挖掘的局限性也进行了研究和探讨,最后总结了数据挖掘现状并且提出了数据挖掘的发展方向.     

从数据中挖掘知识

解释了数据挖掘的含义,从数据挖掘的知识类型及作为进行阐述,对每种知识的主要挖掘技术作了介绍,最后介绍一种用模糊关系的聚类挖掘方法。     

适用于知识发现与数据挖掘的分解方法

数据挖掘是一门研究数据以便发现以前未知模式的科学技术，它是数据库知识发现（KDD）过程的一部分。多分类器方法学被认为是征服下列挑战的有效方法，即为了达到最大程度的可靠性、可理解性及复杂性，了解怎样利用各种技术。该方法学的基本思想是建立由多个模型集成的模型。研究人员在两种分类器方法学之间做了区分，即总体方法学和分解方法学。     

浅谈知识发现与统计学的异同

统计学和知识发现二者之间有很多共同点,但与此同时也存在很多差异。这里讨论它们的异同,在此基础上重点对知识发现进行阐述。     

基于数据挖掘技术的青少年健康心理状况研究

目前海量的数据存储已远超过了人们的理解能力，尤其是现代医学数据量越来越大，而传统的统计技术及数据管理工具已经不能满足需求。知识发现及数据挖掘工具在处理海量数据库时显示了它们的长处。介绍了数据挖掘的概念和方法及其在青少年健康心理状况研究中的应用。     

知识发现中的聚类分析及其应用

知识发现的目的是在大量数据中进行模式识别、提取有用的知识 .本文在对知识发现方法作了一般论述的基础上 ,着重分析了聚类分析方法 ,设计了该方法的一个实现算法 ,并结合员工业绩考核讨论了方法的应用     

科学的数据挖掘和知识发现 原则和基础

随着数据存储技术的发展,大型的数据库为保证机器学习和统计等许多领域的研究人员发展能应用于不同领域科学的数据分析新技术提供了可能。特别在生物、化学、物理和天文学等学科中,统计方法、计算方法和机器学习等技术已经有了非常显著成功的应用。随着本体论和知识表示的新发展,自动科学发现（ASD）具有很光明的前景,并且将走得更远。     

基于有限元仿真结果的知识发现

提出了通过数据挖掘技术实现基于有限元仿真结果的知识发现．分析了数据挖掘的一般步骤，建立了基于有限元仿真结果的知识发现系统，论述了知识发现系统的各个模块及实现该系统的关键技术；对粗糙集和主成分分析法作了简单的介绍，并举实例对粗糙集方法作了说明．通过数据挖掘技术将计算实例提炼出来，作为一种知识源参与到设计优化过程中去，将CAE从设计验证层次提升到设计驱动层次．     

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。     

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。     

知识发现系统原型构架的研究

简述了知识发现的处理过程,在此基础上对知识发现系统的原型构架进行了研究并分析了其工作原理,最后探讨了知识发现系统存在的主要问题。     

浅谈数据挖掘

在信息爆炸的今天,人们迫切需要一种从大量的数据信息中提取并找到有用信息的方法,数据挖掘就是在这种情况下诞生的。近十年,数据挖掘的研究工作取得了很大进展,各种数据挖掘软件的应用极大推动了人们掌握、处理信息的能力,并为人们带来了良好的经济效益。本文详细介绍了数据挖掘的定义、数据挖掘的过程和数据的应用及研究方向。     

数据库中的知识发现

通过对数据库中知识发现和数据挖掘基本概念的分析,总结了数据库中知识发现的实现过程。其具体步骤包括对知识发现应用领域及终端用户的目标理解、创建一个目标数据集、数据的整理和预处理、降维和转换、挖掘等。     

基于数据库和知识库的知识发现研究综述

介绍了知识发现技术的总体研究情况,包括KDD的定义、若干基本概念、主要过程和步骤、KDD的分类和主要技术手段、发展趋势以及KDD的主要应用领域.同时也指出了数据挖掘研究的挑战性以及目前的局限性,结合一些新的研究成果,探讨了基于知识库的知识发现(KDK)和数据库-知识库协同知识发现(KDD&K)的理论框架.     

数据挖掘研究

数据挖掘是一个新兴的领域，在短短几年内得到迅速的发展。数据挖掘是一个跨学科的领域，涉及到数据库系统、统计学，数据可视化，信息检索和高性能的计算，其它有贡献的学科有神经网络，信号处理、空间数据库、图像数据库。数据挖掘汇集了很多学科的技术方法。随着存储数据量的不断增长，已有的方法面临着可扩展性和效率的挑战。在数据库研究领域中，有效的数据结构、索引和数据存储都将对高性能的数据挖掘有所贡献。     

数据挖掘技术在成绩分析中的应用

成绩管理是学校教学管理的重要组成部分,数据挖掘在成绩分析中已有很多应用。简要概述了数据挖掘的基本概念和方法,给出了成绩分析中的关联规则、分类方法、聚类分析等多种数据挖掘应用方法,并总结了数据挖掘在成绩分析中对教学管理的作用。     

数据挖掘与智能化信息处理研究

数据挖掘(Data Mining)是智能化信息处理中一个很有价值的课题，它融合了数据库、人工智能、机器学习和统计学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、数据挖掘的任务、方法及应用，讨论了数据挖掘研究的发展趋势。