数据挖掘的聚类方法

聚类是数据挖掘领域中的一个重要研究课题.本文介绍了数据挖掘领域中对聚类分析的典型要求、主要规则及数据挖掘领域中的聚类的有效性衡量.     

数据挖掘质量问题探讨

一、数据挖掘质量问题的提出随着数据库、数据仓库技术的发展以及数据库管理系统的广泛应用,人们积累的数据越来越多。在这些大量数据的背后隐藏了很多具有决策意义的信息,但是人们怎么得到这些“知识”呢?数据挖掘(DataMining)正是在这样的应用需求环境下产生并迅速发展起来的     

信息组织的隐私数据保护分析

文章从信息组织(IOs)的数据流程建立了一个数据隐私保护系统的一般结构,对该结构每个层次采用的方法以及存在的问题进行了讨论。并从IOs决策者的角度,提出了数据有效性与数据风险性决策理论模型,对该模型中的各个变量与约束条件进行了阐述。     

信息时代的指南针——数据挖掘

本文从产生的必然性、功能、方法、应用、出版物及工具方面系统的介绍了在信息时代面对竞争和做出正确决策必备的关键技术———数据挖掘 ,并对数据挖掘的商业前景、发展方向作了展望 ,最后根据自己的体会总结了数据挖掘的特征及对相大学科可能产生的影响。     

数据挖掘与统计分析

有数据就有信息,有信息就有统计。自九十年代以来,随着计算机与信息技术的发展,人们面临的已经不再是信息的缺乏,随着人类活动范围的扩展以及科学技术的进步,大量信息可以在瞬间的产生,人们能以更快速、更容易、更廉价的方式获取和存储数据,由此,人们积累的数据越来     

构筑面向决策支持的统计数据挖掘系统面临的几个问题

面向决策支持的统计数据挖掘系统在我国统计信息化进程中具有重要意义,特别是在区县级统计管理部门,必须将日常的统计业务与决策支持相衔接。统计数据的异构性和计算机技术应用的多样性是造成统计部门中信息孤岛的原因。文章认为,要解决该问题,必须设计统一的统计数据仓库和集成多种计算机技术,建立面向决策支持的统计数据挖掘系统,同时,为了保持前瞻性和有效性,必须保持系统的可扩展性,并融入当前最新的统计技术和数据挖掘技术。     

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。     

大数据时代 隐私如何保护

如今我们身处大数据时代,政府和企业聚集了人们日常生活中的各种数字记录。然后通过统计方法或其他数据挖掘技术来提取隐藏的信息和相关性。不可否认,大数据的发展给我们带来了显著的经济效益和社会效益,但同时也暴露出了许多关于数据安全性与隐私的问题。因此,两者之间的博弈与权衡成为了大数据时代中热议的话题。隐私,大致是说一种与公共利益、群体利益无关而且个人或团体不愿意     

数据挖掘中属性项压缩的统计方法研究

文章试图将统计思想与(Rough)粗糙集理论相结合,针对事务性数据库属性项压缩问题提出了一些行之有效的方法,即基于重要性的属性压缩、基于相依性的属性压缩、属性项的广义线形分析及压缩、基于多重相关性的属性项压缩,以此达到数据库压缩之目的。     

老百姓的隐私都有啥

翻开报纸、打开电视、登上网络，你随处可以看到明星们的隐私新闻，明星们因其身份的特殊性，隐私成为大众津津乐道的话题。作为普通老百姓的我们，在茶余饭后看明星们花边新闻之外，是否也担心自己的隐私哪一天出现在网络或报纸上呢？毕竟这是一个信息飞速传播的社会，什么事情都有可能发生。在思考这个问题的同时，我们不禁会问，老百姓能有什么隐私？     

Data Mining and Knowledge Discovery in Databases – An Overview

Data mining seeks to extract useful, but previously unknown, information from typically massive collections of non-experimental, sometimes non-traditional data. From the perspective of statisticians, this paper surveys techniques used and contributions from fields such as data warehousing, machine learning from artificial intelligence, and visualization as well as statistics. It concludes that statistical thinking and design of analysis, as exemplified by achievements in clinical epidemiology, may fit well with the emerging activities of data mining and 'knowledge discovery in databases' (DM&KDD).     

数据采掘与统计

数据采掘(Data Mining)是一项新兴的技术，它与统计、与信息技术，它与我们未来的统计教育有什么关系呢？我试图以自己的理解来回答这些问题，同时也对DM技术作一概要性的介绍。我们都说现在是信息时代，信息对于决策是起着重要作用的，实际上我们每个人每天都自觉或不自觉地在作出决策，依据是我们个人所有的信息（常识、经验、知识、专业等等）。我们得到的信息有两大类: 一类是确定性的，例如日蚀、月蚀的时间，可观察的地点等等; 一类是不确定的，例如明天这里降水的概率、明天某一股票涨、跌的可能性等等。随着社会的发展，新事物层…     

数据挖掘运用的理论与技术

一、引言数据挖掘是指一个完整的过程 ,该过程从大型数据库中挖掘先前未知的 ,有效的 ,可实用的信息 ,并使用这些信息做出决策或丰富知识。数据挖掘环境可示意如下图 1。数据挖掘与传统的数据分析 (如查询、报表、联机应用分析 )的本质区别是数据挖掘是在没有明确假设的前提下去挖掘信息、发现知识。数据挖掘所得到的信息应具有先未知 ,有效和可实用三个特征。先前未知的信息是指该信息是预先未曾预料到的 ,既数据挖掘是要发现那些不能靠直觉发现的信息或知识 ,甚至是违背直觉的信息或知识 ,挖掘出的信息越是出乎意料 ,就可能越有价值。在商…     

数据挖掘中关联规则算法的发展趋势

文章在对复杂数据组织形式的关联规则挖掘详细描述的基础上,探讨了其他学科领域对关联规则的理解及相应的研究方法,最后提出了关联规则的前沿研究问题和未来的发展趋势。     

数据挖掘中关联规则算法的考察

文章从算法角度对关联规则的提出、演变过程和前沿研究进行了较为详细的考察,并在此基础上提出了关联规则未来研究的领域和发展趋势。文章先详细地考察了关联规则的三类典型算法,然后总结了基于复杂数据属性的关联规则算法扩展。为考察其他方面的算法扩展和介绍其他学科领域对关联规则的研究奠定了基础。     

聚焦:Data Mining--观念、方法及技术、应用实例(下篇)

6.连结分析 连结分析是以数学中之图形理论为基础，藉由记录之间的关系发展出一个模式，它是以关系为主体，由人与人、物与物或是人与物的关系发展出相当多的应用。例如，电信服务业可藉连结分析收集到顾客使用电话的时间与频率，进而推断顾客使用偏好为何，提出有利于公司的方案。除了电信业之外，愈来愈多的行销业者亦利用连结分析做有利于企业的研究。 7.线上分析处理 所谓线上分析处理是指由数据库所连结出来的线上查询分析程序。严格说起来，线上分析处理并不算特别的一个资料挖掘技术，但是透过线上分析处理工具，使用者能更…