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。     

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。     

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。     

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。     

数据挖掘在体育领域中的应用研究综述

随着计算机技术的发展,数据挖掘作为快速有效地从海量数据中提取信息的工具得到了日趋广泛的应用.本文立足于数据挖掘的新兴应用领域--体育领域,综述了数据挖掘在体育产业、体质数据及竞技体育中的应用,为数据挖掘在体育中的进一步应用研究提供了参考.     

数据挖掘技术及其应用

数据挖掘是一个年轻而充满生机的领域,面对海量的数据,它可以对这些数据进行统计、分析、综合和推理,找出我们感兴趣的有价值的信息,以指导实际问题的求解,发现事件间的相互关联,甚至利用已有的数据对未来的活动进行预测。数据挖掘技术已经涉及市场分析、欺诈检测、科学研究、顾客保有等多个方面,正在蓬勃发展。本文主要讨论数据挖掘技术的一些基本概念及其应用情况。     

基于SQL Server2000的数据挖掘方案的构建原理

微软在SQL Server2000莪据库管理系统中提供了数据挖掘的解决方案，本文介绍如何使用SQL Server2000数据库中的数据挖掘特性来构建数据挖掘的解决方案，侧重描述了用SQL Server2000数据库构建数据挖掘模型时，从海量的数据中找出有用信息的实施过程。     

浅谈数据挖掘技术及其应用

科技的进步,特别是信息产业的发展,把我们带入了一个崭新的信息时代。数据库管理系统的应用领域涉及到了各行各业,但目前所能做到的只是对数据库中已有的数据进行存储、查询、统计等功能,通过这些数据获得的信息量仅占整个数据库信息量的一小部分,如何才能从中提取有价值的知识,进一步提高信息量利用率,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。     

浅谈数据挖掘

数据挖掘是从海量数据中抽取出有价值知识的有效工具。本文论述了数据挖掘的由来,数据挖掘的过程以及数据挖掘的功能。     

数据挖掘在人才引进中的应用

信息资源的分析、整合在引进人才的竞争中起着越来越重要的作用.数据挖掘作为一种系统地检查和理解大量数据的工具,能有效地帮助高校及各企事业单位从不断积累与更新的数据中提取有价值的信息.因此,数据挖掘被引入到人才市场研究领域,并日益受到重视.从数据挖掘在人才竞争中的市场研究价值入手,探讨了数据挖掘在引进人才研究尤其是引进高层次人才中的应用,并给出了应用实例.     

面向领域的数据驱动自主式知识获取模型及实现

数据挖掘是一个非常有用的工具,通过它能够从大型数据库中发现知识.目前,众多研究者将其主要研究工作放在了数据挖掘的模型与方法等工程技术问题上,对于数据挖掘的一些基础理论问题却研究不足.通过对数据挖掘基本理论的研究,提出了面向领域的数据驱动自主式知识获取模型.并通过一系列数据驱动自主式知识获取算法验证了该模型的有效性.     

面向领域的数据驱动自主式知识获取模型及实现

数据挖掘是一个非常有用的工具,通过它能够从大型数据库中发现知识。目前,众多研究者将其主要研究工作放在了数据挖掘的模型与方法等工程技术问题上,对于数据挖掘的一些基础理论问题却研究不足。通过对数据挖掘基本理论的研究,提出了面向领域的数据驱动自主式知识获取模型。并通过一系列数据驱动自主式知识获取算法验证了该模型的有效性。     

数据挖掘的灰色系统方法

灰色系统理论是研究贫信息系统分析、建模、预测、决策、控制的有效工具，在工程技术、社会、经济等领域中应用广泛，该文探讨了灰色系统理论在数据挖掘中的应用问题，提出了数据挖掘的灰色关联算法、灰色统计算法、灰色聚类算法、灰色统计聚类算法，并提出了灰色数据挖掘系统的体系结构。     

网络信息计量的数据挖掘技术研究

网络信息计量的数据挖掘技术研究是运用数据挖掘技术方法发现网络信息计量中的数据特征模式,利用现代可视化软件工具,开发网络信息计量中的数据特征模式的可视化系统,满足网络信息分析人员使用更复杂、更为强大的数据挖掘技术分析、处理数据的要求,为网络信息计量学理论研究及其方法和技术的丰富与发展开拓新的方向,为网络信息计量学规律应用于数据挖掘领域提供平台.     

IT项目中隐性知识的挖掘与转移

知识经济时代的来临,知识作为一种资源越来越受到人们的重视,创新性的IT项目对知识的依赖程度极强。IT项目的临时性、独特性,使得大量的隐性知识在项目结束后随着项目成员的离开而消失。因此,如何挖掘隐性知识,共享、转化、创新知识,对IT项目实现科学的知识管理至关重要。阐述了IT项目隐性知识的分类,介绍了几种隐性知识的挖掘方法,分析了IT项目隐性知识转移的途径,并指出了转移过程中存在的障碍因素,提出了IT项目中隐性知识转移的具体措施。     

基于数据挖掘的深部采场岩爆知识的自动获取

将岩石力学和人工智能相结合,提出了深部采场岩爆风险估计知识自学习的一种新方法·它利用数据挖掘的方法从岩爆实例数据中挖掘出知识,并在此基础上建立了岩爆风险估计的智能系统·从而可以根据获得的现场测试和监测资料,综合估计深部采场因开采而诱发的岩爆风险·     

基于粒子群算法最优化Verhulst模型的开采残余下沉预测

矿区开采引起的残余下沉稳定时间长、潜在危害大,有必要准确地预测矿区地表的残余下沉。鉴于传统的残余下沉Verhulst模型建模误差大、适用性弱,在建模过程中以数据序列的首个数据保持不变导致预测效果差的缺陷,以直接离散Verhulst模型为基础,引入粒子群算法寻求模型迭代初始值的最优解,建立基于粒子群算法优化的矿区开采残余下沉直接离散Verhulst模型,并以山西阳泉和山东兖州矿区两个时间尺度的地表残余下沉监测数据集进行实例验证,最后利用Matlab App Designer工具实现模型算法的可视化。结果表明：基于粒子群算法优化的直接离散Verhulst模型的矿区开采残余下沉预测精度和稳定性增益明显,所开发的计算工具具有正确性和有效性。     

可视化数据挖掘在碎屑岩储层研究中的应用

针对储层研究过程中碎屑岩数据爆炸而知识缺乏的问题,引入数据挖掘思想,结合地理信息系统及Excel二次开发工具,应用Clementine软件对数据进行提取与处理,实现了数据挖掘过程的可视化.借助数据挖掘工具进行砂岩三角形图解的自动化投点和岩性识别,从而实现数据挖掘结果的可视化.