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。     

Web数据挖掘技术在网上书店中的应用

WWW是巨大的、分布的、异构的、半结构化的、动态的及基于超链接的超媒体文档构成的数据库,基于WEB的数据挖掘技术成为当前热门的研究方向之一.概括了基于WEB 的数据挖掘的概念和特点,提出基于WEB 使用挖掘中的技术问题,最后主要介绍WEB数据挖掘技术在网上书店中的应用.     

数据挖掘与决策树J48算法在文本分类中的应用

为了应对信息社会数据急剧增长,获得用户感兴趣或有益的数据,必须对数据进行处理,数据挖掘技术就是应这种需要而发展的.数据挖掘要取得有用数据,必须对数据进行种分类、聚类和关联三种不同的任务处理.对于文本信息的分类是数据挖掘的一个主要应用,而决策树算法利用自身优势和分类效率,在文本处理中有巨大的应用前景,尤其是J48算法应用与文本信息的分类有广泛的应用价值.     

数据挖掘与决策树J48算法在文本分类中的应用

为了应对信息社会数据急剧增长,获得用户感兴趣或有益的数据,必须对数据进行处理,数据挖掘技术就是应这种需要而发展的.数据挖掘要取得有用数据,必须对数据进行种分类、聚类和关联三种不同的任务处理.对于文本信息的分类是数据挖掘的一个主要应用,而决策树算法利用自身优势和分类效率,在文本处理中有巨大的应用前景,尤其是J48算法应用与文本信息的分类有广泛的应用价值.     

基于遗传算法与神经网络混合算法的数据挖掘技术综述

数据挖掘是对大型数据库的数据进行统计分析、提取信息的方法,其基础是人工智能技术。遗传算法和神经网络是人工智能技术中最重要的技术。通过对遗传算法和神经网络的特征分析,阐述了遗传算法与神经网络混合算法在数据挖掘中的应用,指出了数据挖掘技术未来发展的方向。     

数据挖掘技术在电子政务中应用

1数据挖掘技术介绍数据挖掘(Data Mining),又称数据库中的知识发现,是指从大型数据库或数据仓库中提取隐含的、未知的、非平凡的及有潜在应用价值的信息或模式,是数据库研究中的一个很有应用价值的新领域,融合了数据库人工智能、机器学习、统计学等多个领域的理论和技术。数据挖掘工具能够对将来的趋势和行为进行预测从而很好地支持人们的决策。何谓数据仓库,数据仓库概念始于20世纪80年代中期,首次出现是在号称“数据仓库之父”WilliamH.Inmon的《建立数据仓库》一书中。随着人们对大型数据系统研究、管理、维护等方面的深刻认识和不断完善,在总结、丰富、集中多种企业信息的经验之后,为数据仓库给出了更为精确的定义,即“数据仓库是在企业管理和决策中面向主题的、集成的、与时间相关的、不可修改的数据集合”。数据仓库并没有严格的数学理论基础,也没有成熟的基本模式,且更偏向于工程,具有强烈的工程性。因此,在技术上人们习惯于从工作过程等方面来分析,并按其关键技术部分分为数据的抽取、存储与管理以及数据的表现等三个基本方面。数据仓库的特征主要有4个方面:数据仓库是面向主题的、所包含的数据是集成的、其数据是不可更新的及数据仓库是随时间...     

关联规则的数据挖掘系统结构及模型的研究

数据挖掘是一种数据分析处理技术,其主要特点是对数据库、数据仓库或其它数据源中的数据进行抽取、转换、分析和其它模型化处理,从中提取辅助企业和科研决策的知识。关联规则挖掘是数据挖掘技术的一个重要研究方向。本文对基于关联规则的数据挖掘技术进行了研究,并提出了一个数据挖掘工具集原型。     

抽样在数据挖掘中的应用

数据挖掘技术主要用于对数据库中的海量数据进行有效的处理。为了进一步提高数据挖掘算法的效率,统计学中的抽样思想被引入到数据挖掘中。首先对数据挖掘和抽样调查做了简要概述,阐述了抽样在数据挖掘中的重要作用;然后进一步分析抽样在不同领域数据挖掘中的应用,并对其在数据挖掘应用中存在的问题进行了讨论。     

数据挖掘主要问题的对策研究

居于目前对数据挖掘的研究,针对主要问题,提出以下应对策略:1.应用的探索;2.可伸缩的数据挖掘方法;3.数据挖掘与数据库系统、数据仓库系统和web数据库系统的集成;4.数据挖掘语言的标准化;5.可视化数据挖掘;6.复杂数据类型挖掘的新方法;7.web挖掘;8.数据挖掘中的隐私保护与信息安全.     

数据挖掘中的统计分析技术应用研究

数据挖掘 (Data m ining)是快速处理海量数据 ,最终发现非平凡知识的最为有效的方法和技术。与数据挖掘关系最为密切的三门学科是数据库、人工智能和统计学。许多统计分析技术已被用于数据挖掘之中 ,诸如 :数据聚类、回归分析、判别分析等。在此着重于系统地研究上述统计方法在数据挖掘中的应用     

基于神经网络的数据挖掘算法

数据挖掘涉及多学科技术的集成,包括数据库技术、神经网络、模式识别、信息检索、图像与信号处理和空间数据分析等.神经网络在数据挖掘中的应用也越来越广泛,尽管神经网络具有结构复杂、网络训练时间长、结果表示不容易理解等缺陷,但其对噪声数据的高承受能力和低错误率的优点是其他方法所不及的,并在数据挖掘所采用的方法中具有优势.本文对基于BP神经网络的数据挖掘算法进行了详细的讨论,并提出了算法改进方法.     

数据挖掘在后基因组时代生物信息学中的应用

生物信息学是一门新兴的交叉学科,各种基因组计划实施或完成.如何从海量数据中提取有用的信息已成为生物信息学迫切要解决的问题.作为其中关键的分析技术数据挖掘技术在生物信息学领域具有良好的研究与应用前景.对数据挖掘的定义、挖掘的步骤和数据挖掘在生物信息学中的应用进行概述.     

数据挖掘在后基因组时代生物信息学中的应用

生物信息学是一门新兴的交叉学科,各种基因组计划实施或完成.如何从海量数据中提取有用的信息已成为生物信息学迫切要解决的问题.作为其中关键的分析技术数据挖掘技术在生物信息学领域具有良好的研究与应用前景.对数据挖掘的定义、挖掘的步骤和数据挖掘在生物信息学中的应用进行概述.     

数据挖掘技术在数字图书馆中的应用

数据挖掘是知识发现的核心部分,其技术和方法在数字图书馆中有着巨大的应用空间和应用价值。简要介绍了数据挖掘的概念和过程,阐述了数据挖掘的主要方法,着重探讨了数据挖掘在数字图书馆中的应用。     

XML与Web数据挖掘技术

Web上有大量的数据信息，怎样对这些数据进行复杂的应用成了现今数据库技术的研究热点。数据挖掘就是从大量的数据中发现隐含的规律性的内容，解决数据的应用质量问题。充分利用有用的数据，废弃虚伪无用的数据，是数据挖掘技术的最重要的应用。相对于Web的数据而言。传统的数据库中的数据结构性很强，即其中的数据为完全结构化的数据，而Web上的数据最大特点就是半结构化。所谓半结构化是相对于完全结构化的传统数据库的数据而言的。显然。面向Web的数据挖掘比面向单个数据仓库的数据挖掘要复杂得多。     

数据挖掘技术在电子商务中的应用概述

目前,数据挖掘技术正以前所未有的速度发展,在未来越来越激烈的市场竞争中,拥有数据挖掘技术必将比别人获得更快速的反应,赢得更多的商业机会.我国在这一领域正处在研究开发阶段,加快研究数据挖掘技术,并把它应用于电子商务中,应用到更多行业中,势必会有更好的商业机会和更光明的前景.本文通过阐述数据挖掘技术的概念、功能及作用等方面来介绍数据挖掘在电子商务中的应用,揭示了数据挖掘技术在电子商务中的广阔的应用前景.     

数据库技术的现状及其发展趋势

数据库技术是MIS中的一个关键技术。本文先概括地讲述了数据库技术发展的现状,然后指出对象-关系技术、数据仓库、数据挖掘和Web数据库是数据库技术的发展方向。     

数据挖掘在网络入侵检测中的应用

数据挖掘又称为数据库中的知识发现,是多学科综合的产物。入侵检测是用于检测任何损害或企图损害系统的保密性、完整性或可用性行为的一种网络安全技术。基于异常检测的人侵检测,有大量的数据需要处理,如何减少误报而又快速地检测出异常,数据挖掘具有很大的空间可以运用。     

浅谈数据挖掘技术在教学中的应用

本文从职业学校的教学实际情况出发,详细介绍了数据挖掘技术在教学中的应用,主要阐述了数据挖掘算法以及工具的选取,数据准备阶段的主题选取以及数据库事实表与维表的设计等.     

数据挖掘及其在运输系统中的应用

数据挖掘，是通过自动或半自动化的工具对大量的数据进行探索和分析的过程，其目的是发现其中有意义的模式和规律。成功实施数据挖掘所必需的三大核心领域是数据挖掘技术、数据和数据建模，它融数据库技术、人工智能技术、数理统计技术和可视化技术为一