数据挖掘与知识发现的技术方法及应用(下)

数据挖掘是一项崭新的技术，文章介绍数据挖掘的概念及其产生的背景；数据挖掘的基本方法，并且概述了几种常用的数据挖掘方法，即分类和聚类分析。     

知识发现和数据挖掘技术

如何从数据库中挖掘知识已成为数据库系统领域的重要课题，这方面的研究正受到越来越多的关注。本阐述了知识发现和数据挖掘的研究背景，定义和研究动态，介绍了知识发现的处理过程，并对数据挖掘技术进行了分类，讨论了数据挖掘研究的发展趋势。     

应用数据挖掘技术实现远程个性化教育

本文简要地介绍了远程教育现状和数据挖掘技术：讨论了如何使用数据挖掘技术，发现每个学生的个性、学习习惯，通过学习反馈信息和教师感兴趣的有关教学的信息，及时调整教学策略，制定适合学生个性的教学内容和教学活动，实现远程个性化教育。     

数据挖掘技术在高校教学管理中的应用

数据挖掘是发现海量数据背后隐藏知识的重要手段。本文以成绩聚类分析为例，讨论如何利用数据挖掘技术对高校教学管理数据库中的数据进行分析，从中提取有价值的信息，从而优化教学管理过程，提高教学管理工作效率。     

数据挖掘与数据库知识发现

数据挖掘是解决数据库中数据急剧增大与利用率低之间矛盾的必然结果,数据库知识发现（kdd)技术的应运而生使得人们在实际工作中消耗大量财力和物力的数据得以利用,这也是数据库知识和人工智能技术发展的结果。     

数据挖掘技术的研究现状及应用

数据挖掘是近年来国际上智能信息处理和决策支持分析领域的最前沿的研究方向之一。本文全面介绍了数据挖掘的概念、步骤、任务,并展示了其丰富的应用领域。     

统计学方法在数据挖掘中的应用与评价

讨论了统计学方法在数据挖掘中的主要应用，包括贝叶斯分类法和用于连续值预测的线性回归统计技术建模，以及基于统计学的概念聚类方法，并分析了算法的有效性和局限性。     

浅析数据库知识发现与数据挖掘

本文介绍了数据库知识发现和数据挖掘的概念、过程及研究热点,并展望了其应用前景。     

数据挖掘技术在高校教学管理中的应用

数据挖掘是发现海量数据背后隐藏知识的重要手段。本文以成绩聚类分析为例，讨论如何利用数据挖掘技术对高校教学管理数据库中的数据进行分析，从中提取有价值的信息，从而优化教学管理过程．提高教学管理工作效率。     

数据挖掘技术在企业网络营销中的应用

随着计算机网络与数据库技术的不断发展和广泛应用,信息已日益成为企业的一种重要资源。人们利用信息技术生产和搜集数据的能力大幅度提高,在这些数据背后隐藏着极为重要的商业信息,但是这些商业信息是隐含的、事先未知的。从商业角度出发,概述了数据挖掘分析方法,以及数据挖掘技术在企业网络营销中的应用。     

基于粗糙集的数据挖掘及其在知识获取中的应用

本文介绍了粗糙集的基本理论，并将其作为一种新的数据挖掘工具引入，研究和探讨了基于粗糙集的数据挖掘过程，及其在加工过程的知识获取中的应用。     

基于高校课堂教学质量评价系统的数据挖掘方法与应用

主要对如何利用SQL SERVER对高校课堂教学质量评价系统中的数据进行挖掘展开论述,给出了挖掘环境的构建、挖掘结构的创建以及采用Microsoft决策树和关联规则建立挖掘模型的实施步骤.     

K-means聚类算法在高校图书馆读者群细分中的应用研究

K-means算法是聚类分析中的重要算法。运用K-means算法依据高校图书馆读者的借阅行为、借阅习惯等方面的明显差异,把读者划分成若干个读者群,找出不同读者类群的需求特点,重新配置服务资源,为图书馆充分获取读者信息、制定策略提供理论和方法指导。     

基于粗集理论的知识发现

知识发现是知识信息处理的关键问题之一,粗集作为一种数据分析理论能有效地从不确定性的数据中发现知识,是目前在知识发现领域研究的热点之一。本文首先对知识发现和粗集理论做了简单介绍,在此基础上论述了粗集作为一种数学工具在知识发现领域中的重要性,并提出粗集的进一步可能发展方向。     

数据仓库及知识发现在信息系统中的应用

论述了数据仓库技术及知识发现技术在信息系统中的具体应用,探讨了如何利用这2种技术解决信息爆炸问题和支持决策问题。     

用于问卷调查数据的知识发现系统设计和实现

本文分析了问卷调查数据及相关领域知识的特点,以此为基础设计了包括数据预处理、数据挖掘、知识评价及展示三个完整处理步骤的知识发现系统,该系统可通用于问卷调查数据的知识发现.文中还就该系统如何应用于网络成瘾数据上的分析进行了论述,得出了相应的知识,这些知识一方面可以验证SPSS的分析结果,另一方面可以发现该系统的分析结果比SPSS的分析更细致,更有趣,而且系统运行之初不需要用户预期分析结果,这是知识发现系统较之其它数据分析工具的优异之处.     

数据挖掘技术及其应用

随着网络、数据库技术的迅速发展以及数据库管理系统的广泛应用,人们积累的数据越来越多.数据挖掘 (Data Mining) 就是从大量的实际应用数据中提取隐含信息和知识,它利用了数据库、人工智能和数理统计等多方面的技术,是一类深层次的数据分析方法.     

数据挖掘技术及其应用

数据挖掘是一门交叉学科,它为建立传统教学中很难获取或不可能获取的模型提供了捷径.从数据挖掘的概念、分类、一般过程及其出现的必然性和可能性入手,根据教育信息化的六大特点:教材多媒体化、资源全球化、教学个性化、活动合作化、管理自动化、环境虚拟化,及远程教育系统中的事实维表、评价项目维表、知识维表、时间维表、学生维表等多维数据模型,分析了数据挖掘在教育信息化、远程教育系统中的具体应用,并对其潜在价值作了简要阐述.     

数据挖掘课程教学方法探讨

国内外各大高校院所都非常重视数据仓库与数据挖掘课程的开设,尤其是在大数据环境下,数据挖掘的重要性更加凸显。本文详细分析了数据挖掘课程产生的背景,确立数据挖掘课程在计算机及相关专业的定位,梳理数据挖掘课程的理论方法与内容体系,强调注重理论与实际应用项目的结合,对指导数据挖掘课程的教学改革与创新具有重要的指导和借鉴意义。     

数据挖掘技术的应用及发展

数据挖掘是一个多学科领域,融合了数据库技术、人工智能、机器学习、统计学等多个学科,是数据库系统和新的数据库应用的一个欣欣向荣的学科前沿。只有当人们能够从数据中有效地提取信息,从信息中及时发现知识,数据才能为人类的思维决策和战略发展服务。也只有到那时,数据才能够真正成为与物质、能源相媲美的资源,信息时代才会真正到来。