数据挖掘技术及其应用进展

数据挖掘就是要从数据中抽取出知识。首先阐述了数据挖掘的任务方法，然后论述了数据挖掘面临的问题，给出了建议的研究方向，最后介绍了几个现有的数据挖掘工具和一些与数据挖掘研究相关的资源。     

谈谈数据挖掘技术及其应用

数据挖掘技术是目前IT行业发展最快的技术之一，本文对数据挖掘技术(Data Mining)，数据挖掘技术的研究现状，数据挖掘技术的应用和数据挖掘技术未来的研究方向及热点做了简略说明。     

基于Web的数据挖掘技术

介绍了数据挖掘的研究情况，对基于Web的数据挖掘技术进行了分析和评价，对关联规则挖掘算法给出探讨和具体实现，归纳数据挖掘工具的评价标准，展望了基于Web的数据挖掘技术的未来研究方向。     

数据挖掘技术在教学实践中的应用研究

数据挖掘（Data Mining）作为一个目前研究比较多的交叉学科，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。简要介绍了数据挖掘及其相关技术，重点阐述了数据挖掘技术在课堂教学、个性化远程网络教学和网络学习社区3个教学实践领域中的应用设计，并具体研究了一个应用数据挖掘技术的典型教学案例，希望能够为在教学实践中应用好数据挖掘这个有力工具提供思路和借鉴。     

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。     

基于粗糙集理论的数据挖掘研究初探

数据挖掘是应用一系列技术从大型数据库或数据仓库的数据中提取人们感兴趣的信息或知识，这些知识或信息是隐含的事先未知而潜在有用的，粗糙集理论是一种处理不确定和模糊问题的数学工具，它的一系列优点使其特别适合于数据挖掘研究．介绍了数据挖掘的概念、特点、任务、分类、要求及研究意义，分析了粗糙集理论的特点、所处理的问题、在数据挖掘中的简单应用，以及粗糙集在数据挖掘中的应用展望等。     

正在走向现实的数据挖掘及其分类预测

数据挖掘是当今一个新的技术热点。本文从数据挖掘、数据挖掘环境、数据挖掘的基本过程展开研究,分析了数据挖掘的模式,详细阐述了分类、预测的区别与联系,展望了数据挖掘未来的研究方向。     

数据挖掘中聚类分析算法研究

聚类分析是数据挖掘的一个主要研究方向，目前其研究已深入到数据库、数据挖掘、统计等领域并取得了很大的成就．本文介绍了聚类分析的应用及数据挖掘对聚类算法的典型要求，并对现有的传统聚类算法进行了分析与评估．最后介绍了聚类分析最新的研究方向——流数据聚类分析．     

数据挖掘在客户关系管理中的应用

该文讲述了客户关系管理（CRM）数据挖掘之间的关系，以数据挖掘技术在CRM中的应用为研究目标，通过一个实例来验证了数据挖掘的有效性。实例研究以三农种业的客户为研究对象，通过对日常搜集到的客户数据的挖掘，解决该企业从市场细分，到目标市场选择，直至产品销售等一系列问题。     

数据挖掘技术在网络教学资源建设中的应用

数据挖掘技术是促进网络教学资源发展的重要技术，本文对数据挖掘技术作一简要概述，介绍了数据挖掘的分析方法、数据挖掘的过程，提出数据挖掘工具，并对数据挖掘工具的模块进行分析。     

数据挖掘技术在客户关系管理系统中的应用

由于企业越来越重视客户关系管理(CRM)，利用数据挖掘技术优化CRM系统正逐渐成为计算机领域一个研究热门。本介绍了CRM系统和数据挖掘技术的基本概念，提出了利用数据挖掘技术优化CRM系统的具体步骤。     

基于数据挖掘技术的CRM系统研究

数据挖掘是CRM的核心，作者介绍了数据挖掘的概念、过程、目标，并分析了基于数据挖掘的CRM的特征。在此基础上提出了基于数据挖掘的面向CRM的综合决策支持系统模型。     

数据挖掘综述

数据挖掘是当前热门的、具有广阔商业应用前景的一个研究领域。通过对国内外数据挖掘研究现状、算法和应用进行分析,发现国内数据挖掘的应用仍处于初级阶段,最后探讨了数据挖掘的发展趋势,这对我国的数据挖掘研究具有一定的参考价值。     

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。     

数据挖掘技术

数据挖掘是目前一种新的重要的研究领域。本文介绍了数据挖掘的概念、目的、常用方法、数据挖掘过程、数据挖掘软件的评价方法,对数据挖掘领域面临的问题作了分析和展望。     

数据挖掘综述

数据挖掘是当前热门的、具有广阔商业应用前景的一个研究领域。通过对国内外数据挖掘研究现状、算法和应用进行分析,发现国内数据挖掘的应用仍处于初级阶段,最后探讨了数据挖掘的发展趋势,这对我国的数据挖掘研究具有一定的参考价值。     

决策树算法在数据挖掘中研究与应用

随着社会的发展、经济的进步，各行各业对可视化数据挖掘需求越来越高。本文介绍了可视化数据挖掘的相关概念，分析了在可视化数据挖掘中决策树算法的相关理论，并预测了可视化数据挖掘的发展。     

数据挖掘常用技术、主要方法及其应用

本文简要论述了数据库技术及数据挖掘的常用技术、主要方法、实际应用，分析了数据挖掘技术的层次、方法，并重点介绍了当前常用的分类、关联规则、粗糙集方法等数据挖掘方法，并指出了当前数据挖掘技术的发展趋势及方向。     

数据挖掘技术分析及其在高校管理决策中的应用

本文通过对数据仓库、数据挖掘技术和决策支持系统的研究，提出了基于数据挖掘的高校管理决策支持系统。该系统能为高校决策提供科学的依据和指导其发展方向。     

数据挖掘中聚类方法比较研究

聚类是数据挖掘领域中的一个重要研究课题。聚类在电子商务、图像处理、模式识别、本分类等领域有广泛的应用。本首先建立了数据挖掘中聚类方法的比较标准，然后从基于优化、关系、变换这样一个新的角度对聚类方法进行了分类和比较，最后对数据挖掘中常用聚类算法进行了分析，以便于人们更易于选择研究方向和选择适合于具体问题的聚类算法。