数据挖掘背景文摘.docx

数据挖掘背景文摘

第一篇：数据挖掘背景文摘数据挖掘是通过仔细分析大量数据来揭示有意义的新的关系、趋势和模式的过程.其出现于20世纪80年代后期,是数据库研究中一个很有应用价值的新领域,是一门交叉性学科,融合了人工智能、数据库技术、模式识别、机器学习、统计学和数据可视化等多个领域的理论和技术数据挖掘产生于应用,且应面向于应用数据挖掘的任务就是发现隐藏在数据中的模式.其可以发现的模式一般分为两大类:描述型模式和预测型模式.描述型模式是对当前数据中存在的事实做规范描述,刻画当前数据的一般特性;预测型模式则是以时间为关键参数,对于时间序列型数据,根据其历史和当前的值去预测其未来的值.数据挖掘一词起源于KDD(KnowledgeDiscoveryinDatabase,数据库中的知识发现),可以追溯到20世纪80年代末。KDD这个名词的正式形成是在1989年美国底特律市召开的第一届KDD国际学术会议上,而第一届知识发现和数据挖掘(DataMining,DM)国际学术会议是在1995年加拿大召开的,会议上将数据库里存放的数据生动地比拟成矿床,从而“数据挖掘”这个名词很快就流传开来[3]。RIC是由美国教育资源信息中心整理的已出版的和未出版的教育方面文献的一个指南，涵盖数千个教育专题，提供了最完备的教育书刊的书目信息，包括对发表在ResourcesinEducation(RIE)月刊上的非期刊资料与每个月发表在CurrentIndextoJournalsinEducation(CIJE)上的期刊文章的注释参考，涵盖了从1966年到现在的有关教育方面的几乎所有资料。ERIC收录了1,000多种的期刊和其它资料，共有记录140多万条，包括一个ERIC叙词表，可免费阅读约24万篇全文文章。主题有成人教育、职业教育、教育评估、残疾与天才教育、小学与幼儿教育、高等教育、城市教育、教育管理、信息与技术、语言学与语音学、阅读与交第二篇：数据挖掘心得体会心得体会这次数据挖掘实验结束了，期间我们小组明确分工并积极去完成，虽然有点辛苦，但我感觉充实而有收获感！根据老师给的一些资料，我们决定采用SQLServer2000中的Northwind数据库里的数据作为我们的实验数据。根据表OrderDetails中的数据，我们分别根据ProductID和OrderID字段，并结合我们规定的最小支持度阀值对数据进行筛选。依次筛选出1项频繁集、2项频繁集和3项频繁集，其中还会使用游标的方式来遍历2项集与3项集的候选集，分别选出2项频繁集和3项频繁集。由于数据较多，因此过程比较复杂，要编写很多的查询语句，建立许多数据表，包括临时表。开始不知道则操作，但经过我们各自多次重复的建表与查询，逐渐的理解和有了自己的思路。尤其是在运用游标的方法进行遍历这块，因为我们比较陌生而不理解，操作时一时无法实现结果，但经过我们在网上查询了解相关知识，最终得以解决。经过该次实验，使我对数据库的操作更加熟练，而且还使我对课本上的“挖掘频繁模式”这块知识有了很好的掌握，今后我会多做实验，使我在实际操作过程中学得更好！第三篇：数据挖掘论文数据挖掘论文在现实的学习、工作中，许多人都有过写论文的经历，对论文都不陌生吧，论文是一种综合性的文体，通过论文可直接看出一个人的综合能力和专业基础。那么你知道一篇好的论文该怎么写吗？下面是小编整理的数据挖掘论文，希望能够帮助到大家。数据挖掘论文1[1]刘莹.基于数据挖掘的商品销售预测分析[J].科技通报.20xx(07)[2]姜晓娟,郭一娜.基于改进聚类的电信客户流失预测分析[J].太原理工大学学报.20xx(04)[3]李欣海.随机森林模型在分类与回归分析中的应用[J].应用昆虫学报.20xx(04)[4]朱志勇,徐长梅,刘志兵,胡晨刚.基于贝叶斯网络的客户流失分析研究[J].计算机工程与科学.20xx(03)[5]翟健宏,李伟,葛瑞海,杨茹.基于聚类与贝叶斯分类器的网络节点分组算法及评价模型[J].电信科学.20xx(02)[6]王曼,施念,花琳琳,杨永利.成组删除法和多重填补法对随机缺失的二分类变量资料处理效果的比较[J].郑州大学学报(医学版).20xx(05)[7]黄杰晟,曹永锋.挖掘类改进决策树[J].现代计算机(专业版).20xx(01)[8]李净,张范,张智江.数据挖掘技术与电信客户分析[J].信息通信技术.20xx(05)[9]武晓岩,李康.基因表达数据判别分析的随机森林方法[J].中国卫生统计.20xx(06)[10]张璐.论信息与企业竞争力[J].现代情报.20xx(01)[11]杨毅超.基于Web数据挖掘的作物商务平台分析与研究[D].湖南农业大学20xx[12]徐进华.基于灰色系统理论的数据挖掘及其模型研究[D].北京交通大学20xx[13]俞