基于云端的Web数据挖掘预取技术研究

WWW以其多媒体的传输及良好的交互性而倍受青睐.但由于Web服务和网络固有的延迟,用户并没有得到与带宽相应的服务体验.为此文章提出了一种基于云端的智能Web预取技术,它能够加快用户浏览Web页面时获取页面的速度.该技术通过简化的WWW数据模型表示用户浏览器缓冲器中的数据,在云端利用数据挖掘技术挖掘类聚用户隐含的兴趣关联规则,并利用类聚用户的历史连接记录创建确定的影射关系模型,存放在云端兴趣关联知识库中,作为对用户行为进行预测的依据.在用户端,浏览器插件负责在用户带宽空闲时根据用户兴趣进行Web预取,从而对用户实现透明的高速浏览.     

马克威分析系统介绍(二)数据导入、数据处理、图形图表、电子表格

马克威分析系统界面简介马克威分析系统共有四种界面,分别是:数据窗口、变量窗口、挖掘窗口、结果窗口,用户通过这四种界面,与数据和结果进行交互,完成数据分析过程:1.数据窗口,用于对数据进行展示和简单编辑,在此窗口中进行马克威分析系统的数据导入、数据处理和统计分析:2.变量窗口,用于展示数据的格式和属性,供用户对变量名、变量类型、数据长度、小数位数、缺失值、标签值、排列方式、变量尺度等数据格式和属性进行设置和更改。3.挖掘窗口,与数据窗口相对应,该窗口主要用于数据挖掘算法建模,通过挖掘算法节点的拖拉,可以直观、方便的建…     

基于高效离群数据分析方法的客户信息及特征属性挖掘

文章以提高客户信息管理过程中离群信息挖掘的效率为目标,在传统的基于距离的离群数据挖掘方法的基础上,探索出了一种新的高效分析方法,该方法的时间复杂度降为O(d n log2n),能够一次性完成离群数据及其特征属性(OFA)的挖掘过程,且能够给出相应的离群因子(OF)来描述离群数据的离群程度及其为什么离群等离群信息。同时,用户操作简便,结果显示易于理解。该方法可以应用于对数据量大、维数高的Web客户信息的离群数据分析和特征属性挖掘工作。     

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。     

WWW数据模型及预送技术

随着Internet技术的飞速发展,www以其多媒体的传输及良好的交互性而倍受青睐.虽然近几年来网络速度得到了很大的提高,但是由于接入Internet的用户数量剧增以及Web服务和网络固有的延迟,使得网络越来越拥挤,用户的服务质量(QoS)得不到很好的保证.预取技术的基础是预测算法.数据挖掘是从大量的数据中采掘出隐含的、先前未知的、对决策有潜在价值的知识和规则的一种技术.我们可以根据用户访问的历史数据和当前访问的数据、利用数据挖掘技术来预测用户将来的可能行为,从而为用户预取一些Web页面.用户缓冲器中的数据可以作为数据挖掘时的历史数据.     

一种基于粗糙集属性约简的入侵检测算法

文章论述了一种基于粗糙集理论的入侵检测的算法,通过将粗糙集中的属性约简算法用于入侵检测数据的挖掘,建立了基于粗糙集的入侵检测系统模型,并对基于属性频度的约简算法进行了改进,提高了数据挖掘效率,有助于得到简洁高效的数据。     

数据流挖掘技术研究

数据流挖掘技术是数据挖掘技术的新研究方向之一。文章介绍了数据流、数据流挖掘的特点,对现有的数据流挖掘算法进行了总结、分析,提出了数据流挖掘的研究方向和应用前景。     

函数数据挖掘及其在中国消费函数分析中的应用

以数据挖掘的思想，提出了利用Bemstein基构建一般函数数据的方法。在此基础上，根据中国31个省（自治区、直辖市）城镇居民的人均年收入和消费性支出的数据，构建了消费函数数据，并进行误差分析，求出消费函数的一阶和二阶导数，进一步挖掘消费函数的发展速率，取得良好的效果。     

基于粗糙集理论的投资行业的CRM模型研究

本文运用粗糙集理论研究了投资行业的客户关系管理决策模型,并结合风险较高、竞争较为激烈的保险投资业建立了实例分析。在模型中用粗集理论实现数据的分类、简化、规则提取,通过CRM的数据挖掘,不仅为投资行业提供客户的管理决策,同时也为投资者提供投资决策。投资者可以从数据的挖掘结果归类自己的所属群体,从而进行决策。     

数据挖掘在R&D统计中的应用分析

在R&D统计领域,传统的数据分析方法已经越来越难以满足社会经济发展的需要.基于数据挖掘的基本原理与方法,文章首先分析了在R&D统计研究中运用数据挖掘的必要性及其重要作用,进而给出了R&D统计数据挖掘的操作流程,最后提出了R&D统计数据挖掘中应注意的几个问题.     

数据流概念漂移双窗探测方法

数据挖掘(机器学习)领域的研究重点是建立概念漂移数据(Concept-drift)下的模型,其中的核心问题就是探测器算法.文章提出了一种基于双窗的探测算法.其优点是给出了该算法的严格理论基础;有效提高挖掘效率,克服虚漂移的干扰.并且运用人工和实际数据进行实验,效果亦优于其他算法.     

基于组合分类挖掘模型的调查问卷数据预处理

文章在Bates和Granger对时间序列的组合预测模型的理论基础上,灵活运用数据挖掘的思维和Clementine数据挖掘软件中的相关节点,充分利用问卷中已有信息构造组合分类数据挖掘模型,对《影响中国人际关系和谐因素调查问卷》进行分类了预处理。     

半参数Beta回归模型在数据挖掘中的应用

回归分析是数据挖掘中重要的方法之一。文章研究了基于半参数Beta回归模型结合惩罚样条估计的数据挖掘方法。当数据中因变量的数据取值为(0,1)区间(或某个区间)时,利用半参数Beta回归模型进行数据挖掘,不仅具有很好的解释效果,而且能挖掘出隐含在数据内部的有用信息。实验结果验证了研究方法的有效性。     

粗糙集理论与决策树相结合的规则提取方法

一、问题的提出关联规则挖掘是通过对已知数据的学习找出其中存在有意义依赖关系,它可以用来进行预测决策和分类,因此是机器学习领域集中解决的问题。数据挖掘中的问题与机器学习主要区别在于:数据挖掘中要处理大量的数据,因此要求学习的效率很高;另外数据挖掘获得的规则或模式     

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。     

数据挖掘方法应用于调查数据的抽样权重问题

 在将数据挖掘方法应用于抽样调查数据时,会遇到抽样权重的处理问题。本文提出采用放回的、与样本单元权数大小成比例的再抽样方法,简称PPWWR再抽样,来实现“事后”自加权设计。实现“事后”自加权设计后的子样本可忽略掉样本权数,直接采用常规的图示方法和数据挖掘算法进行分析。随后,基于2007中国公民科学素质调查贵州省数据,通过模拟分析讨论了PPWWR再抽样子样本的样本量问题,发现 是一个比较合适的样本量。这一结论可能为其它大型复杂抽样调查数据的数据挖掘实施问题提供借鉴。     

数据挖掘方法应用于调查数据的抽样权重问题——基于放回比例抽样的再抽样方法

在将数据挖掘方法应用于抽样调查数据时,会遇到抽样权重的处理问题.本文提出采用放回的、与样本单元权数大小成比例的再抽样方法,简称PPWWR再抽样,来实现"事后"自加权设计.实现"事后"自加权设计后的子样本可忽略掉样本权数,直接采用常规的图示方法和数据挖掘算法进行分析.随后,基于2007中国公民科学素质调查贵州省数据,通过模拟分析讨论了PPWWR再抽样子样本的样本量问题,发现max(n,5%N)是一个比较合适的样本量.这一结论可能为其他大型复杂抽样调查数据的数据挖掘实施问题提供借鉴.     

图像数据挖掘相关研究综述—概念和应用

图像挖掘是数据挖掘领域中新兴的领域。随着数字照相技术的发展和在多学科中的广泛应用,对大量图像数据的分析和研究越来越重要。由于图像挖掘的对象、内容不同于传统数据,方法上也不同于传统技术。本文旨在介绍图像挖掘的基本概念和体系以及国际上最新的研究成果。本文回顾了图像挖掘的相关问题及建模框架,并与模式识别、图像处理等相关领域进行了比较,在此基础上,还介绍了近年来图像挖掘领域在卫星遥感、医学影像和生物显微照片研究的相关应用。     

统计行业数据分析与数据挖掘应用———工具篇简

本文以大数据时代统计行业数据分析和数据挖掘应用为背景,论述了分析和挖掘软件的分类,以及几种主要工具的功能和演变,讲述了各种工具的优点和适用性,提出了一些我们运用工具到统计行业数据处理的建议,分析了开创新统计思维的重要性,倡导搭建适合中国国情的开源的统计行业数据分析和数据挖掘平台。     

图像数据挖掘相关研究综述一概念和应用

图像挖掘是数据挖掘领域中新兴的领域。随着数字照相技术的发展和在多学科中的广泛应用，对大量图像数据的分析和研究越来越重要。由于图像挖掘的对象、内容不同于传统数据，方法上也不同于传统技术。本文旨在介绍图像挖掘的基本概念和体系以及国际上最新的研究成果。本文回顾了图像挖掘的相关问题及建模框架，并与模式识别、图像处理等相关领域进行了比较，在此基础上，还介绍了近年来图像挖掘领域在卫星遥感、医学影像和生物显微照片研究的相关应用。