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…     

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。     

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。     

统计学与数据挖掘

文章以统计学最近 40年的发展走势作为论述的起点 ,逐步对统计方法在数据挖掘算法设计、开发过程中的应用情况 ,进行客观、系统的介绍和分析 ,进而提出统计学和数据挖掘协同发展的广阔前景。     

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.     

统计数据挖掘与OLAP技术应用

统计数据挖掘是数据挖掘在统计领域的应用,由于统计领域就是充满各种数据信息的世界,既有历史积累下来的时间序列数据,也有各省市政府、事业单位、企业形成的截面数据,还有二者合一的面板数据(又称Pool数据),信息资源十分丰富,因此对统计数据挖掘具有十分重要的现实意义。     

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。     

第七届国际数据挖掘与应用统计研究会学术综述

<正>第七届国际数据挖掘与应用统计研究会于2015年7月27-30日在广西南宁隆重召开。本届会议的主题是"大数据时代统计学方法及应用研究",由国际数据挖掘与应用统计研究会主办,广西财经学院、厦门大学数据挖掘研究中心、美国耶鲁大学、台北医学大学和重庆允升科技大数据研究中心联合承办,来自于国内外60余所高校、政府和企事业单位180多位专家学者莅临参加。会议入选论文46篇,分为大     

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…     

数据挖掘与商业智能的现况及未来发展

随着商业数据量的快速增加,能够帮助企业从数据中寻找决策支持的工具越来越受到重视.在统计学等多学科支撑下,数据挖掘与商业智能将发挥越来越重要的作用.     

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     

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。     

数据挖掘与若干概念的异同

讨论数据挖掘时,有些实业界的朋友会说“我们早就在做数据挖掘了”,但事实上多数企业只是建置了一些数据仓库,至多也仅仅是一些OLAP应用。事实上,与“数据挖掘”相关的概念包括数据仓库、OLAP、知识发现(KDD)、统计分析等,这些概念与数据挖掘的混淆容易使人们对数据挖掘产生模糊理解从而影响实际数据挖掘工作的开展,因此本文拟对这些相关概念进行初步厘清以利于数据挖掘研究与应用的发展。数据挖掘与数据仓库企业构建数据仓库时通常会嵌入一些在线查询工具,因此使得许多人对于数据仓库(DataWarehouse)和数据挖掘(DataMining)经常发生…     

基于函数型数据分析的数据挖掘功能研究

数据挖掘功能是数据挖掘研究与应用的一个重要方面。数据挖掘功能用于指定数据挖掘任务中要找的模式类型。当前,数据挖掘的功能所处理的主要是传统的数据,对于函数型数据的研究还不是很多。文章探讨了数据挖掘中可以挖掘的几种函数型数据模式,包括数据描述、分类、聚类和回归。     

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。     

平均指数与平均指标指数异同解析

平均指数与平均指标指数是统计学原理中两个重要的指数。二者虽然理论侧重点不同,但又都属于总指数的范畴,都与综合指数有着密切的联系。解析二者的异同,旨在正确的理解和运用这两个指数。     

社会经济统计学与数理统计学的比较

多年来,在统计学界关于社会经济统计学与数理统计学的“是非”问题一直争论不休,本文通过对这两种统计学在研究对象、研究范围和内容,以及二者的发展与创新机理和研究理论几个方面的比较,阐述了保持两门统计学并存的必要性。     

相关性分析在关联规则挖掘中的应用

文章主要介绍了数据挖掘中关联规则的基本概念及用其挖掘的一些不足,并提出用统计学中的相关性分析来提高挖掘出的规则的准确度的方法。     

数据挖掘中抽样技术的应用

本文介绍了数据挖掘中抽样技术运用的历史与现状,总结了数据挖掘领域对抽样技术研究和使用中存在的问题,并指出了数据挖掘中抽样技术未来研究方向和发展前景。     

数据挖掘研究和应用的现状与前景

文章通过对有关资料的整理,对数据挖掘的功能、方法(算法)、应用领域及目前国内研究状况予以介绍,从而对数据挖掘工作感兴趣的学者及企业研究与应用数据挖掘技术提供参考。