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．     

基于关联规则算法的数据挖掘研究

应用数据挖掘技术对高校就业数据进行了分析,介绍了就业数据预处理过程,并对处理好的数据应用Apriori算法进行关联挖掘,对实验结果进行了总结。     

数据挖掘中聚类算法的研究

目前对聚类算法的研究越来越多,在数据挖掘领域,聚类面临着新的形势。总结了数据挖掘中主要的传统聚类算法,介绍了聚类方法的最新发展。     

基于数据挖掘技术的聚类分析算法在异常入侵检测中的应用

入侵检测已经成为近年来网络安全研究的一个热点,实践证明,基于数据挖掘技术的聚类分析算法是能够有效地帮助建立网络正常行为模型,并且显著提高了入侵检测的速度的算法.     

基于Apriori算法的数据挖掘算法研究

关联规则挖掘是一种最有影响的数据挖掘技术。它在交易数据库或其他数据仓库项目集之中提取有意义的关联,频繁模式和关联。大多数现有的算法发现频繁模式都需要多次遍历数据库,导致大量的磁盘读取,造成了巨大的I/O负载。为了减少重复读盘,本文提出了一种新的自上而下的方法,即Apriori算法的改进版本,此算法大大降低了数据库的扫描次数,避免生成不必要的模式而减少了数据库的扫描,节省了大量的时间和空间。     

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。     

数据挖掘中的聚类分析研究

从数据挖掘的概念入手,在系统介绍了聚类分析的概念和一般步骤的基础上,详细阐述了聚类分析在数据挖掘中的常用方法。     

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.     

基于Apriori算法的图书馆多维数据挖掘算法研究

本文在研究了多维关联规则数据挖掘的理论及方法的基础上,深入分析以往算法的优缺点并结合图书馆行业管理信息系统的特点,选择对Apriori算法结合数据立方体技术进行改进和优化,形成了适合利用多维关联规则对图书馆数据进行挖掘的新算法。     

基于数据挖掘的入侵检测的研究与应用

以基于数据挖掘方法的入侵检测技术研究为核心,对数据挖掘技术和入侵检测技术进行了研究和分析,探讨了数据挖掘方法中聚类算法在入侵检测中的应用,提出了一种基于最短距离算法的最近邻优先（NearestNeighbor First）算法,并采用KDD Cup 1999数据集中的数据对该算法的执行效率进行检测.     

基于文本数据的数据挖掘算法研究

总结了数据挖掘的基本方法、文本数据挖掘的关键技术,讨论了文本挖掘的定义和文本分类的一些形式,并对文本数据的数据挖掘算法进行了研究。     

数据流频繁项挖掘算法——EC算法

近几年,随着通信、网络等技术的飞速发展,在各个领域经常都会产生大量的信息数据。因此,如何使用有限存储空间进行快速准确地挖掘数据流近似的频繁项成为具有挑战的问题。本文介绍了一种新的挖掘算法——EC算法,使其空间复杂性为O（ε^-1）,每个数据的平均处理时间为O（1）。     

神经网络数据挖掘算法的研究与应用

分析了神经网络数据挖掘算法的适用范围,对算法模型和算法实现进行深入的探讨,并利用基于时间序列的多层前馈神经网络挖掘算法实现了对企业材料成本数据的预测,可为企业成本管理提供决策支持.     

数据流频繁模式挖掘

近年来,数据流挖掘越来越引起研究人员的关注,已逐渐成为许多领域有用的工具.如何利用有限的存储空间高效地挖掘出频繁模式已成为数据流挖掘的基本问题,具有很强的现实意义和理论价值.本文分析了国内外的各种数据流频繁模式挖掘算法,并指出这些算法的分类.通过综合分析最终给出了未来的研究发展方向.     

面向数据流的频繁项集挖掘

随着计算机网络、气象监测和传感器网络等技术的不断发展,如何从数据流中挖掘出有用的信息成为了一个重要的研究内容.本文主要介绍了数据流和其中的频繁项集的概念,分析了数据流中的频繁项集挖掘算法.     

基于数据挖掘的Web挖掘系统设计研究

数据挖掘技术的重点已经从传统的基于数据库的应用转移到了基于Web的应用。本文分析了Web挖掘的过程模型。对基于数据挖掘的Web挖掘系统的框架进行了设计研究。     

基于数据流相似查询的SCT整合优化算法

提出了一种新的基于数据流相似查询的sct整合优化算法,解决了数据流系统中数据流序列庞大且速度慢的问题。算法先对数据流进行提取和整合形成相似数据流摘要,然后进行相似性查询。经实验证明算法确实有效,并比传统相似查询算法提高了查询速度和精确率。     

基于修补粒子群算法的动态网格数据流优化

针对粒子群优化算法存在的早熟收敛问题,提出了一种既保持粒子活性又保证粒子快速收敛于全局极值点的修补粒子群算法.在修补更新方程中设置参数以限制粒子在搜索区域内、采用减弱速度更新的策略减少速度更新的次,如果种群多样性逐步减小下限时,种群纷纷远离该最优位置,而当种群多样性逐步增大超出上限时,种群又开始向整体最优位置靠拢,从而保持了粒子的多样性.数值实验结果表明,算法在解决问题上表现出了良好的性能.