数据挖掘技术研究

随着信息技术迅速发展，数据库的规模不断扩大，产生了大量的数据。但大量的数据往往无法辨别隐藏在其中的能对决策提供支持的信息，而传统的查询，报表工具无法满足挖掘这些信息的需求。因此，需要一种新的数据分析技术处理大量数据，并从中抽取有价值的潜在知识，数据挖掘（Data Mining）技术由此应运而生。本文主要介绍了数据挖掘的基本概念，以及数据挖掘的方法。     

数据挖掘技术及其在通信行业中的应用

数据挖掘是一种新的商业信息处理技术,其主要特点是对商业数据库中的大量业务数据进行抽取,转换,分析和其他模型化处理,从中提取辅助商业决策的关键性数据。简而言之,数据挖掘其实是一类深层次的数据分析方法,可以描述为：按企业既定业务目标,对大量的企业数据进行探索和分析,揭示隐藏的、未知的或验证已知的规律性,并进一步将其模型化的先进有效的方法。本文介绍了数据挖掘技术的产生背景,并结合通信行业客户流失的预测与控制简要介绍了数据挖掘的实施过程。     

数据挖掘与统计理论

随着数据库技术的不断发展和数据库系统的广泛应用，数据库中存储的数据量急剧增大，迫切需要新的计算理论和工具帮助人们从大量信息中抽取有用信息，即知识，数据挖掘学科的诞生正是适应这一需要．传统数据分析工具数理统计无疑在这一学科中扮演着重要角色，阐述数据挖掘的主要任务及统计理论在各任务中的应用，旨在更好结合统计理论探讨数据挖掘，更好发挥数理统计理论在数据挖掘中的作用．     

基于关联分析的数据挖掘方法及其实证研究

数据挖掘是对大量数据进行分析和理解,并提示其内部所蕴藏的丰富知识的技术.文章研究数据挖掘技术中关联分析方法的某些算法,并据此对嘉兴电大教务系统中的成绩数据和一些实测数据进行挖掘研究,从而得出了学生学习动力和有关因素的关联性分析的一些初步结果.     

最低生活保障系统中数据挖掘技术的实现

本论述对低保数据的挖掘中,使用了两种挖掘算法,另外配合SQL Server 2010提供的数据挖掘功能对低保数据进行了全面的分析,介绍了OLAP技术和数据挖掘在低保数据分析中的应用.主要内容包括:分析了数据挖掘技术在低保数据分析中的应用意义;研究了关联规则、决策树算法、聚类分析在低保数据分析中的应用.这也是低保信息化工作今后重要的研究目标和发展方向.     

浅谈数据挖掘技术及其应用

随着现代信息技术、通讯技术、数据库技术、网络技术、数字化图书馆和计算机技术的高速发展及数据库管理系统的广泛应用,使得数据库存储的数据量急剧增大。面对“堆积如山”的数据集合,传统的数据分析手段都难以应付,造成大量数据资源的浪费,因此需要新的技术来自动、智能和快速地分析海量的原始数据,以使数据得以充分利用,由此引发了一个新的研究方向：数据挖掘与知识发现的理论与技术研究。数据挖掘技术在分析大量数据中具有明显优势,基于数据挖掘的分析技术在金融、保险、电信等有大量数据的行业已有着广泛的应用。     

基于学习历程数据分析的学生行为预测研究

当前,职业教育正面临国家产业结构升级的问题,为此,职业院校开展了教学改革,并积累了大量的教务、德育、心理等相互孤立的信息数据。通过运用数据挖掘技术对学生的学习历程数据进行数据分析,尝试从这些数据中查找发现有用的知识,并尝试对学生的德育行为进行分析和预测,以提高办学质量。     

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.     

基于大数据的线上线下电商用户数据挖掘研究

分析了大数据环境下的O2O电商用户数据特征,提出O2O电商用户数据挖掘框架,并探讨数据挖掘流程和主要的数据挖掘方法,分别从O2O电商平台、O2O用户和O2O商家三者角度探讨了O2O电商用户数据挖掘的应用问题.研究认为:O2O用户数据挖掘框架包括数据来源层、数据收集层、数据组织层、数据分析层与数据应用层等层级;数据挖掘流程主要包括数据收集、数据预处理、数据挖掘及数据应用4个过程;O2O电商用户数据的挖掘应用包括精准营销、平台网站优化、欺诈分析与防范、个性化推荐、增值服务开发与产品创新等方面.     

基于Spark平台的大数据挖掘技术分析

由于大数据具有其自身的独特性,即数据量大、多样性突出,所以在进行大数据分析时,在处理速度、效率和实时性等方面要求都非常高。而数据挖掘技术主要就是从大量数据中基于建模算法,寻找在数据中所隐藏的信息,以此促使大数据的价值得以充分发挥。Spark平台是一个针对超大数据集合的低延迟集群分布式计算系统,利用其进行大数据挖掘与分析更具优势。据此,本文主要对基于Spark平台的大数据挖掘技术进行了详细分析。     

数据挖掘技术在军事领域中的应用初探

本文概要介绍了数据挖掘技术的过程、算法及应用,阐明了数据挖掘技术在军事领域中的应用前景。数据挖掘技术作为一项从大量数据中获取有用知识的实用技术,必将在军事领域发挥巨大作用。     

Web数据挖掘技术

本文介绍了数据挖掘技术在远程教育中的应用,为了更好的实现远程教育技术,对源数据的收集、数据的预处理、数据挖掘及个性化智能学习系统做了较详尽的介绍。肯定了数据挖掘技术给我们提供了“变废为宝”、“化繁为简”、“从模糊到清晰”的巨大帮助。     

关联规则挖掘在教师教学评价系统中的应用

课堂教学质量评价是教学管理过程中的重要环节．如何从学生评价教师课堂教学质量大量数据中找出数据间的关系，是检查教学效果和提高教学质量的重要途径，本文讨论了如何利用数据挖掘方法中的Apriori算法对评价系统数据进行关联规则挖掘。     

数据挖掘技术在电力管理和分析中的应用

作为一种数据分析方法和技术,发现潜在的信息,大量的信息,数据挖掘已成为社会关注的焦点.在电力行业的信息化建设进程中,有大量历史数据,采用数据挖掘技术来研究和发展是刻不容缓,分析决策系统需要解决在电力运行管理中存在的关键和突出问题企业.本文提出了详细的数据挖掘算法分析.基于电力管理分析的特点,重点讨论了聚类分析算法.基于电力数据管理分析系统,数据挖掘技术在本文设计的过程采用混合型数据并获得良好的挖掘效果.聚类对电力客户数据分析可以得到很好的分类,有助于预测顾客的购买行为.     

数据挖掘技术在选课系统中的应用

许多高校都拥有选课系统,并积累了大量的原始数据,这些数据中包含了大量潜在的、未知的有用信息,这些“信息”可以辅助相关部门进行合理的教学资源分配并做出相应决策。本文基于高校选课系统,讨论了数据预处理和数据挖掘技术,并应用关联规则中的FP-tree算法挖掘选课数据,获得了一些有用的规则信息,取得了良好的应用效果。     

基于析取规则对不确定数据挖掘的优化研究

在商业、医疗等数据分析中,不知道存在或不存在的一些项目事件组成的数据叫做不确定数据,它的特点是离散型随机变量的概率分布,不确定数据中的挖掘算法研究是当前大数据分析中的重要方向.针对不确定数据的随机变量性特征,有效提高挖掘结果的置信度和提高算法运行时间,本文提出一种挖掘析取关联规则的算法DRUD,利用模糊集的方法选取2元频繁项集,对比最小支持度,完成有效的析取规则提取.经过在大量不同不确定数据库中仿真表明,对比类似算法UApriori和PFCIM,本文所提出的DRUD算法产生的规则置信度得到提高,算法效率有较好改进,新的算法更加适用于不确定数据中的大数据挖掘应用.     

数据挖掘技术及其在营销中的应用

对数据挖掘这一新兴数据分析技术进行了综述 ,阐述了数据挖掘产生的背景及其定义、任务和过程 ,论述了几种常用的数据挖掘算法 ,并给出了数据挖掘技术在营销中的应用实例 .     

职业学校教务决策支持系统的研究

职业学校应用的数据库管理软件,存储着大量的学生数据,对于数据的处理一般停留在简单的数据备份、查询、排序和统计阶段,隐藏在这些数据之后的更重要数据分析功能比较薄弱,没能为学校管理者提供决策,将数据挖掘技术应用于教务管理工作中,深层次的数据信息分析方法,利用数据挖掘技术对学生信息数据进行统计分析和数据挖掘,对管理者提供决策支持的研究,具有实际意义。     

关联规则算法在中职招生宣传中的应用

目前，数据挖掘技术广泛应用于市场营销、金融、保险、工程与科学数据分析等领域，而且技术已十分成熟。本文利用数据挖掘技术中的核心算法Fp—growth算法对中职考生的报考数据进行分析研究，得出关联性规则，为中职学校的招生宣传提供有效的决策支持。     

数据挖掘在电子商务中的应用

电子商务过程中产生了大量的数据,数据挖掘是对这些数据进行分析的有效方法。介绍了数据挖掘在电子商务中的应用,探讨了电子商务中数据挖掘的步骤和数据挖掘的体系结构。