数据挖掘技术在税务系统中的应用

本文介绍了数据仓库、知识发现以及数据挖掘的概念,详细分析了关联规则算法,对纳税人采用的主要违法违章手段之间的关联关系进行了数据挖掘.     

时态约束下的数据挖掘问题及算法

对于一个大型数据库而言,为了提高挖掘效率,必须考虑减少数据库的扫描次数,同时使内存需求量保持在一个适当的水平上.把时态约束应用到事务数据库的挖掘中,可以获得更好的效率.本文首先利用时态区间代数操作实现原始数据库的过滤和挖掘时态区间的合并;然后在定义项目序列集操作的基础上,提出一个称为TISS-DM的发现频繁项目序列集的高效算法;最后讨论了这个算法的效率.     

数据挖掘技术在税务系统中的应用

本文介绍了数据仓库、知识发现以及数据挖掘的概念，详细分析了关联算法，对纳税人采用的主要违法违章手段的关联关系进行了数据挖掘。     

一种目标行为序列模式的数据挖掘方法

提出一种能够从海量目标航迹数据中挖掘潜在的目标行为序列模式的方法,该算法包括形成目标行为序列数据、计算并设定挖掘过程参数和开始挖掘分析计算过程3个步骤。其中挖掘分析计算过程是一个循环迭代的过程,随着算法的展开,挖掘出更多更长的序列规则。试验结果表明,该算法能够从目标运动数据中发现目标行为序列模式,且具有较好的可扩展性。     

一种改进的时态关联规则算法

针对传统关联规则挖掘中可能会忽略具有时间因素的关联规则的问题,提出了一种具有时间约束的改进时态关联规则算法.该算法通过计算模式平均支持度、数据集平均支持度、模式集中度等参数来判断Apriori算法所得到的模式是否在某一时间区域数据集上具有较高支持度,再对该数据集进行进一步挖掘,以找到更精确的和时间相关的模式,从而得到单个或不同时间区间上的关联规则以及跨时间区间和跨事务的关联规则.通过实验分析,该算法是可行的,并在实际应用中有一定的意义.     

浅谈数据挖掘研究及其应用

数据挖掘技术虽说是一个比较新的数据库技术,但随着应用日益广泛,它得到了很大的关注。该文概述了数据挖掘的相关理论知识,并应用到教学实践,鉴于学校教学中因材施教的教学特点,提出了要应用数据挖掘技术来分析学习者自身的学习状态的观点。最后分析了数据挖掘中的问题及研究方向。     

关联规则的挖掘

数据挖掘是在数据库中对数据进行一定的处理 ,获得其中隐含的 ,事先未知的 ,却又可能极为有用的信息。介绍了数据挖掘的概念和技术 ,应用Apriori算法进行关联规则的挖掘 ,应用于实例中 ,取得了良好的结果。     

数据挖掘算法并行化研究

<正>数据挖掘的目标是从海量的数据中抽取出模式,找出数据变化的规律和数据之间的相互依存关系,使人们能够从宏观的高层次的角度来审视数据,充分发掘数据的潜力,指导人们的行为,为决策和科学     

数据挖掘中新的并行算法

对已提出的挖掘关联规则的并行算法进行了较全面的总结 ,对他们的性能进行了分析 ,针对这些算法中的问题。提出了一种新的挖掘关联规则的并行算法 ,并对他的性能作了简要分析 ,给出了优化策略。     

基于关联规则的网管告警数据库知识发现

基于网络管理数据库而获得知识对网络管理和维护有重要的意义。文章分析了网络管理告警数据库的特点，指出了网络故障管理中关联规则的挖掘算法以及知识增量式更新的算法，并简单介绍了知识发现系统实现的方法。通过实验，表明该方法可以准确、快速地挖掘出海量告警数据库中大量有意义的规则，这些规则可以作为先验知识用来指导网络智能化故障定位、诊断和预测。     

基于RFID技术仓储管理的数据挖掘

伴随着RFID技术的应用,它的各种优点也给其他技术的利用带来了方便。RFID技术作为一种先进的信息采集手段使得数据信息更加概念化,更加准确,更具有及时性,由此使得数据挖掘层面更加开阔。本文从这些方面着重论述了仓储管理中如何应用RFID技术,和应用RFID技术后对数据挖掘低层的数据仓库产生的影响,并着重说明了RFID技术下的多层关联规则挖掘和货位的优化配置。     

Informix数据仓库及在电信业的应用

数据仓库是为企业管理的决策者提供支持服务的计算机应用系统。数据仓库涉及数据的收集、数据存储与管理、联机分析正理２以及决策支持开发诮子库的最是通过数据挖掘和数据库知识发现来满足最终用户的商业需求。本文对Ｉｎｆｏｒｍｉｘ的产品及解决方案进行了详细的说明,并提及了电信业中的应用。     

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，研究分析了聚类的主要算法及其改进方法的特点，并对其改进的各种方法进行了对比，讨论了数据挖掘领域中的聚类质量，最后指出了聚类研究的发展趋势。     

一种数据挖掘算法在入侵检测系统中的应用

文章讲述了一种基于关联规则的数据挖掘算法在入侵检测系统中的应用。首先得到一些数据库日志中的强关联规则，然后以此作为判断攻击性事务的标准，最后用实验说明了该算法的有效性。     

A Novel Approach for Mining High‐Utility Sequential Patterns in Sequence Databases

Mining sequential patterns is an important research issue in data mining and knowledge discovery with broad applications. However, the existing sequential pattern mining approaches consider only binary frequency values of items in sequences and equal importance/significance values of distinct items. Therefore, they are not applicable to actually represent many real‐world scenarios. In this paper, we propose a novel framework for mining high‐utility sequential patterns for more real‐life applicable information extraction from sequence databases with non‐binary frequency values of items in sequences and different importance/significance values for distinct items. Moreover, for mining high‐utility sequential patterns, we propose two new algorithms: UtilityLevel is a high‐utility sequential pattern mining with a level‐wise candidate generation approach, and UtilitySpan is a high‐utility sequential pattern mining with a pattern growth approach. Extensive performance analyses show that our algorithms are very efficient and scalable for mining high‐utility sequential patterns.     

浅析数据挖掘技术及应用

本文介绍了知识发现及其数据挖掘的发展历史，数据挖掘的功能、常用技术及应用。     

基于约简的关联规则采掘方法

关联规则采掘是数据采掘技术的一个重要研究方向,文章提出了一种基于约简的关联规则采掘方法,比较分析证明该睡江对于改善采掘必能确实有效。     

基于DSFCI-tree的分布式数据流频繁闭合模式挖掘

频繁闭合模式集可惟一确定频繁模式完全集且数据量要小几个数量级。根据分布式数据流的特点,提出了一种挖掘频繁闭合项集的算法,该算法采用K叉树形结构,以叶子节点接收各条数据流,创建DSFCI_tree结构来存贮各条数据流中的每段闭合模式,然后逐层往上合并更新,从而在根节点可得整个分布式数据流的频繁闭合模式。