数据挖掘算法的分析与研究

本文对数据挖掘的基本理论进行了分析研究,总结了数据挖掘的基本步骤,归纳了数据挖掘的基本方法,并在此基础上,提出了用数据挖掘进行数据分析的通用策略。     

数据挖掘在电信领域中的应用研究

面对通信业中愈演愈烈的竞争,发展潜在客户以及保持现有客户显得至关重要.本文阐述了数据挖掘技术在电信业中的具体应用.     

数据挖掘中的决策树算法比较研究

决策树算法是数据挖掘中一个重要的内容,但是在实际应用过程中,现存的多种决策树算法也存在着很多不足之处。本文总结并分析了近年来数据挖掘技术在决策树算法方面的研究,探讨了进一步的研究发展方向。     

数据挖掘中关联规则算法的研究

文章首先介绍了数据并挖掘中关联规则的基本理论知识,包括Aprior经典算法、支持度等概念。接着对关联规则的三种并行算法进行了介绍和总结,对其性能作了简要分析。     

基于Android手机的数据挖掘算法研究

目前,IT行业中,数据时代越来越受到关注,塞班智能手机企业已经开始着手准备将数据挖掘应用于Symbian系统。而Andriod手机是全球最多使用者的智能手机,应该及时跟紧大数据时代,设计合理的应用,开发基于Andriod手机的数据挖掘算法。本文通过分析Andriod手机数据挖掘的需要性,对Apriori算法如何应用于Andriod手机进行研究。     

数据挖掘中聚类算法的研究

在现代社会发展的过程中,信息技术已经成为必不可少的重要手段之一,广泛应用在生产与生活的各个方面,本文主要探讨了聚类算法在数据挖掘中的应用。聚类算法的具体种类也有很多,一些已经相对成熟,另外一些仍然在研究的阶段,所以本文主要研究了相对成熟的聚类算法,这一算法在数据挖掘中具有重要的作用,相信在今后的发展中还能够得到进一步的优化,以此应用在更加广阔的发展空间中。     

数据挖掘中关联规则算法的研究

Apriori算法是关联规则挖掘中的经典算法。通过对Apriori算法的基本思想和性能的研究分析,提出了一种基于垂直事务列表的树形结构的挖掘算法,减少了候选频繁项集的数量,提高了挖掘算法的效率。实验结果表明新算法具有良好的性能。     

我国社会科学领域数据挖掘研究的文献计量分析

以1998-2009年间CSSCI数据库中收录的数据挖掘研究论文作为统计分析的数据源,从文献时间分布、期刊分布、作者分布、单位分布、基金资助分布、学科分布、关键词分布等角度进行文献计量分析。结果表明,我国社科界数据挖掘研究已从初步探索转为发展阶段,并开始向其它学科渗透,形成了一些核心作者和领军研究单位,各级单位对数据挖掘研究的重视程度在增加,数据挖掘研究的学科分布也越来越广,最后,通过文献的关键词分析指出社科领域数据挖掘研究的趋势。     

基于数据挖掘算法的决策支持系统的优化研究

将信息熵对信息和数据的不确定性分析来度量数据所带来的不确定性程度,利用数据挖掘算法中的蚁群聚类算法,结合信息熵理论对网络客户数据进行分析,其中,信息熵理论中的不确定性分析,可以较好的帮助聚类数据对象,数据在此基础上进行再重组,其结果可进一步提高决策的有效性。     

数据挖掘及算法浅谈

数据挖掘是随着信息技术发展而产生的事物。本文主要针对数据挖掘的基本概念、过程以及数据挖掘算法的介绍。本文也会对数据挖掘的应用进行描述。     

数据挖掘中关联规则挖掘的算法研究

关联规则挖掘是从大量的数据中挖掘出有价值描述数据项之间相互联系的有关知识。本文对Apriori算法及其改进作了讨论。     

数据挖掘中聚类算法研究综述

聚类分析是数据挖掘领域一个活跃的研究分支,在数据挖掘中已经开发出许多聚类算法,具体可分为划分方法、层次方法、基于密度方法、基于网格的方法、基于模型的方法。本文对上述几类聚类分析算法进行了讨论,对每种聚类算法都举出了典型例子,并作了分析,指出了各种算法的优缺点并对聚类技术未来的发展作出了展望。     

浅谈数据挖掘在电子商务领域的应用

本文介绍了数据挖掘技术在电子商务的应用,给出了数据挖掘过程中采用的一些主要方法,详细说明了数据挖掘技术在零售业、金融业和电信业的应用。对于企业而言,数据挖掘有助于发现业务发展的趋势,帮助企业做出正确的决策,使企业处于更有利的竞争位置。     

数据挖掘技术在情报学领域的应用研究现状分析

通过对数据仓库及数据挖掘概念的阐述，以及数据挖掘技术在情报学领域的应用研究历史和现状分析，试图表明数据挖掘技术在情报学领域的应用研究成果及存在的问题，这对认清其发展趋势，很有必要。     

云计算下的一种数据挖掘算法的研究

如何进行云计算下的数据挖掘一直以来都是研究的重点,本文针对传统挖掘算法K-meas的不足,提出基于数据采样和分布密度的改进方法来获取算法的中心点,在聚类中构造函数提高了聚类效果,并对云计算下的Map/Reduce模型进行了函数改进,仿真实验通过对不同的数据集进行实验,从聚类分析比较,系统运行时间,加速比等方面说明了本文的算法适合在云计算下的数据挖掘具有一定的优越性。     

云计算下的一种数据挖掘算法的研究

针对K-means聚类算法中的k值确定给聚类算法效果带来不确定性的问题,本文通过引入多层变量加权概念,提高聚类效果的收敛性,引入改进的非加权组平均法和最大最小距离算法有效的解决k值确定问题,引入Max-Entropy算法解决分布簇内节点分布不均导致的计算问题。仿真实验中,将本文算法的改进的效果进行研究,并结合云计算环境下通过使用本文算法在挖掘的加速比,花费时间上都取得了比较好的效果。     

基于拓展的贪心算法的数据挖掘技术研究

在对计算机算法与设计中的贪心算法、统计学中的相关系数理论、数据挖掘理论进行基本阐述之后,利用上述知识,将传统贪心算法进行了基于相关系数理论的拓展。随后,利用拓展的贪心算法对离散数据进行了分类、聚类处理。通过上述具有完全实践性的理论研究,为拓展传统的数据挖掘技术与方法,开辟了一片全新的领域。为在经济领域开展此类分析,提供了决策依据和决策工具。     

一种数据挖掘算法在课程中的研究

针对关联规则挖掘算法中存在事务之间的某种关联性的数据无法区分的问题,本文将蚁群算法和加权概念引入到挖掘算法中,首先分析了目前加权关联规则挖掘算法的不足,提出了将蚁群算法引入到加权关联规则中,并对蚁群算法中的应度函数,状态转移规则和信息素更新的改进,并采用矩形向量作为事务存储结构进行连接和剪枝。仿真实验中与基本Apriori算法进行比较,并通过将本校的课程资源作为挖掘对象,结果说明本文算法具有良好的挖掘效果。     

决策树算法在数据挖掘中的研究与应用

决策树方法因其简单、直观、准确率高等特点在数据挖掘及数据分析中得到了广泛的应用。介绍了决策树中最基本的算法——ID3算法的一般知识后,根据实例深入分析了该算法的设计思想、程序实现及优缺点,并针对其缺点进行改进。     

时间序列数据挖掘在医疗领域的应用

医院信息管理系统,不仅有利于提高了医务工作者的工作效率,同时也积累了大量的时间序列数据。时间序列数据挖掘技术对这些大量数据进行分析,会发现有用的、潜在的知识为开展高水平医学研究提供了有力的技术工具。对历史数据进行分析的同时能预测出未来的相关数据,为医院管理人员作出正确决策提供了依据。因此对医院信息系统中时间序列数据挖掘的过程以及所应用的技术深入研究,能充分发挥数据挖掘在医疗领域的作用。