数据挖掘及其应用

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。本文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、方法以及其在商业领域中的应用。     

海量数据处理过程中数据挖掘算法的应用

信息时代的快速发展带来的是信息总量呈现几何级数的增加,而海量数据的存储和分析处理对计算机硬件能力和数据分析能力都是一个极大的挑战．数据挖掘算法是针对于大批量数据处理而提出并逐步发展起来的,基于完备的数据库技术,可以在云计算算法、矩阵压缩算法和并行关联算法的基础上,进行算法集成,能进一步提高数据挖掘的速度、精度和时效性,在实际海量数据的处理过程中有较好的适应性,为海量数据处理提供了新的技术分析方法．     

面向大数据的时空数据挖掘综述

时空数据挖掘是数据挖掘领域的前沿研究课题,正致力于开发和应用新兴的计算技术来分析海量、高维的时空数据,揭示时空数据中的有价值知识.本文以时空大数据为背景,介绍数据挖掘技术产生的背景与发展、时空数据挖掘的研究现状、研究内容、应用领域、面向大数据的时空数据挖掘系统架构以及实现技术,为相关领域的研究者提供参考.     

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。     

数据挖掘技术在金融行业中的应用

随着计算机信息技术的发展,信息共享使得人们能得到越来越多的数据。与此同时出现了分析这些海量数据的一门技术数据挖掘技术。首先介绍了数据挖掘技术的定义以及常用挖掘方法,然后介绍了数据挖掘技术在金融行业的典型应用。     

数据挖掘技术在水利工程管理中的实施要点

数据挖掘技术是一项能够从海量数据中发现潜在的、有价值的知识热点技术。面临海量非空间数据和空间数据的水利工程管理,利用数据挖掘技术能够提炼出具有较大价值的知识,使水利工程管理的更加科学化。当前,水利工程得到快速发展,而大量的空间数据和非空间数据存在于水利工程管理中,需要运用相应的数据处理技术进行有效处理。该文主要对数据挖掘技术进行综合分析,通过探讨数据挖掘技术的实施方法,得出如何让水利工程管理与数据挖掘技术更好的结合。     

数据挖掘技术及其在情报研究中的应用

在当前的数字时代,海量的信息数据已经远远超出情报研究人员的分析和处理能力,而传统情报研究的技术和工具已无法满足情报研究人员的需求.由于数据挖掘技术在处理海量数据时显示了其独特的优点,可与现代情报研究有机结合.本文首先介绍了数据挖掘技术的基本概念和常用方法,并对其在情报研究中的应用进行初步探讨.     

数据挖掘的过程、技术及其工具

随着数据库和计算机网络的广泛应用，数据自动生成和采集工具的使用，人们拥有的数据量急剧增大。数据挖掘作为一项从海量数据中提取知识的信息技术引起了业界的广泛关注。本文阐述了数据挖掘的基本概念、数据挖掘的主要过程、数据挖掘常用技术以及数据挖掘工具。     

数据挖掘技术在金融行业中的应用

随着计算机信息技术的发展，信息共享使得人们能得到越来越多的数据。与此吲时出现了分析这些海量数据的一门技术数据挖掘技术。本文首先介绍了数据挖掘技术的定义以及常用挖掘方法，然后介绍了数据挖掘技术在金融行业的典型应用。     

基于Web的数据挖掘方法的研究及实现

Web上有海量的数据信息,数据挖掘是从大量的数据中发现隐含的规律性内容,充分利用有用数据,废弃无用数据,解决数据的应用质量问题。通过对Web的数据挖掘和XML特点进行分析,讨论了使用XML实现基于Web的数据挖掘方法,提出了一种结合HTML、XML、JAVA的新型数据挖掘技术。     

基于OLAP的发电企业燃煤审计多维分析系统的应用研究

通过对发电企业燃料管理系统状况和传统燃料审计中存在问题的分析,提出了基于成熟的OLAP多维数据分析技术,利用高速关系数据库迁移技术和审计中间表方法,给出了多维数据分析在燃料审计中应用的设计方案,实现了对燃煤数据的多角度、多侧面、多层次综合分析,解决了如何从海量数据中快速找到燃料审计线索、获取审计证据的问题,大大提高了燃料审计的效率和质量。     

基于GRI关联规则的图书馆读者借阅行为分析研究

随着多媒体技术和网络技术的迅猛发展,"数据爆炸但知识匮乏"的现象已成不争事实。图书借阅服务作为数字图书馆的主要功能之一,在数字图书馆的长期运行中积累了海量数据。为了开展读者个性化服务,研究如何利用这些数据为流通和采购等工作提供科学有效的决策参考,已成为一个热门课题。利用数据挖掘的GRI关联规则,对读者的图书借阅行为进行了分析,并给出了相应的措施和建议。     

基于数据挖掘的白酒企业决策支持系统研究

以数据仓库,联机分析处理(OLAP)和数据挖掘技术构建白酒企业决策支持系统.系统通过数据仓库对来自不同数据源、历史的数据进行存储;采用联机分析处理技术对数据仓库中的数据进行多角度、多层次等分析;通过数据挖掘,从数据仓库中识别和提取隐含的知识,为企业决策人员提供强有力的决策辅助支持.     

流数据技术及其应用现状

流数据具有大数据量、数据变化频繁、需要快速响应、查询次数有限的特点，这些特点使得流数据的处理需要采用新的方式。本文介绍了最近流数据技术的研究及应用现状，总结了流数据以及连续查询的概念，描述了流数据模型以及流查询的一些关键技术，并展望了未来流数据研究的发展方向。     

数据仓库技术在金融系统中的应用

数据仓库技术是计算机数据库系统发展的新方向 ,近几年来许多专家为此付出很大的精力 .信息大量存在于计算机处理的系统中 ,这些信息被并没有得到充分的利用 ,通过人工智能技术 (包括数据挖掘、基于知识与规则的专家系统、神经网络等 ) ,信息才能被加工、分析、产生决策支持效果 .本文根据金融界对数据仓库的需求 ,重点介绍数据仓库的数据采集、数据加载、具体应用的过程 .使数据仓库作为未来金融市场的预测、决策分析有着重大影响的关键技术 .     

基于Web的数据挖掘应用模式研究

如何对Web上的海量信息进行高效的应用 ,使之能做到信息处理的智能化、个性化、自动化 ,是当今数据挖掘技术的最重要的应用。本文从分析Web上数据信息的特点入手 ,研究面向Web的数据挖掘需解决的主要问题 ,提出了一种基于Web数据挖掘的应用模式框架 ,并着重从功能的角度介绍了Web数据挖掘的演进过程。     

数据预处理在商业企业数据仓库的应用

数据预处理是数据挖掘过程中重要环节 ,对数据预处理技术进行研究具有现实意义。文章在介绍数据预处理方法的基础上 ,结合大型商业营销企业数据仓库数据的特点和数据挖掘过程中对数据的要求 ,详细论述了数据预处理技术在大型商业营销企业数据仓库中的应用 ,提出改善数据质量是预处理技术的关键。     

数据挖掘技术及其所面临的问题

数据库系统、数据仓库和WWW已经成为信息处理系统的主流。海量数据的处理问题使知识发现和数据挖掘 (DataMining)成为目前网络数据库研究、开发和应用最活跃的分支之一。数据挖掘是一个多学科交叉领域 ,被认为是信息产业 2 1世纪最有前途的学科。本文主要介绍了数据挖掘有关概念及其发展 ,并对数据挖掘面临的相关问题进行了研究与探讨     

数据残留的清除与安全性研究

随着各种存储设备的广泛应用和数据恢复技术的迅猛发展,数据安全越来越为用户所重视,而硬盘和其他移动存储设备作为当今数据存储的主要载体,清除残留在其中的秘密数据将面临巨大挑战。通过研究硬盘数据残留产生的原因以及现状对其安全性进行了分析,并根据当前的数据恢复技术提出了一种如何安全清除数据残留的新方法和实现算法。     

WEB数据挖掘研究与探讨

随着WWW迅猛发展,WWW上的信息量不断增加,如何在这些信息中找到用户真正需要的内容,成了数据组织和web相关领域的专家学者关注的焦点.为了解决这个问题,把数据挖掘的理论和技术应用于WWW,出现了一个新的研究领域-Web数据挖掘.主要介绍了Web数据挖掘的原理、应用、实现以及它的最近发展情况.