流式数据挖掘的现状及统计的研究趋势

摘　　要:本文对近年来在国内外学术界涌现出的流式数据挖掘的研究成果进行剖析,分析了流式数据挖掘的研究现状。在此基础上,提出了统计学在流式数据挖掘研究中的发展趋势,以便更好地促进统计学和数据挖掘的结合,拓展统计学方法的研究思路。     

国外数据挖掘应用研究与发展分析

目前“数据挖掘(Data Mining,DM)”这一术语在学术界还没有一个公认的、权威的定义,但我们一般可以简单的认为数据挖掘是从海量数据中发现趋势或模式的过程。尽管有些人不愿承认数据挖掘与统计学的内在联系,但不可否认的是早期的数据挖掘的确脱胎于统计学,因此也可以说数据挖掘是利用统计学和机器学习技术创建预测行为的模型。需要强调的是数据挖掘的过程是一个“发现”的过程,而不是“发明”的过程。换句话说,数据挖掘所探寻的模式,是一种已有的、只是隐藏在数据中、暂时没有被发现的知识。世界上对数据挖掘的正式研究始于1989年8月举行…     

浅议在数据挖掘中应用抽样技术

数据挖掘技术的产生和发展不是为了替代传统的统计分析技术,相反它为统计学的延伸和扩展提供了广阔的舞台。本文介绍了抽样技术作为一项基本统计技术在数据挖掘中的应用的理论基础和实践基础,指出了需要注意的问题和发展的方向。     

异常数据挖掘及在经济欺诈发现中的应用

数据挖掘是一个多学科的交叉领域,包括数据库系统、统计学、机器学习、可视化和信息科学,统计学中的聚类分析、相关分析、回归分析、主成分分析及神经网络在数据挖掘中都有广泛应用.     

统计分析的新模式——数据挖掘技术

近年来,数据挖掘已经成为了统计学研究的一个新兴领域,引起了学科内部的极大关注,数据挖掘技术的发展极大地丰富了统计分析的手段。由于当今社会信息量、数据量急剧增大,因此人们迫切需要将这些数据转换成有用的信息和知识。面对     

统计学与数据挖掘的比较分析

数据挖掘与统计学有着千丝万缕的联系,本文希望在等同的角度,从数据挖掘并非统计学分支的观点出发来阐释两门学科,既着眼于二者相重叠的地方,更重视二者的区别,并考虑一些其他与数据挖掘相关的问题。     

基于统计数据的OLAP数据挖掘技术

一、概述数据挖掘是 90年代中后期兴起的一门跨学科的综合研究领域 ,它集计算机机器学习、统计学、数据库管理、数据仓库、可视化、并行计算、决策支持为一体 ,利用数据库、数据仓库技术存储和管理数据 ,利用机器学习和统计学方法分析数据 ,旨在发现大量复杂数据中蕴含的有价值的知识和信息。目前 ,随着数据挖掘应用的不断开展以及客观现实对数据分析需求的不断增长 ,人们越来越认识到数据挖掘的重要性和必要性。数据挖掘通过对数据的总结、分类、聚类、关联等分析 ,实现对数据内在结构特征的理解和对未知数据的预测。其中 ,数据总结是在数…     

对统计学领域数据挖掘研究的反思

数据挖掘是一门新兴交叉学科,近年来受到各界的广泛关注。统计学者从统计学视角开展了数据挖掘理论及应用研究,并取得了一定的研究成果。文章对相关著作和论文进行了分析研究,并在此基础上展望了数据挖掘的研究趋势。     

数据挖掘：统计学的分支？

与统计相似,数据挖掘也是一门揭示存在于数据里的模式或数据间关系的学科,但它强调对大规模数据的处理。数据挖掘与统计学有着密切的关系,但数据、方法等方面的差异决定它不是统计学的子学科。     

数据挖掘技术的应用及发展

数据挖掘是从大量的数据中发现其潜在规律的技术,是当前计算机科学及统计科学研究的热点之一。文章介绍了数据挖掘的概念、功能、数据挖掘过程、常用方法等;探讨了数据挖掘领域面临的问题;论述了数据挖掘与统计分析的关系,并对国内外研究现状及发展情况做了介绍。