共查询到20条相似文献,搜索用时 140 毫秒
1.
2.
3.
数据仓库和数据挖掘语言初探 总被引:1,自引:0,他引:1
着重阐述了数据仓库的基本概念、特征和体系结构,并介绍了使DW作用得以发挥的决策支持工具。还介绍了几种数据挖掘语言及其标准化方面的研究进展,提出了数据挖掘语言分类的方法,在此基础上,对数据挖掘语言的结构和组成进行了探讨和研究,最后指出了数据挖掘语言的发展趋势,以及若干待解决的问题。 相似文献
4.
文中阐述了数据挖掘的定义和分类,然后从垃圾邮件过滤、用户行为分析、软件代码分析、深度学习和自动化数据挖掘技术等方面,详细介绍了数据挖掘技术在软件工程中的应用现状和未来发展趋势。这些应用展示了数据挖掘技术在计算机软件工程中的多样性和重要性,同时也提出了一些问题和挑战,如数据隐私和安全问题、算法的解释和解释性评估等。因此,在数据挖掘技术的发展和应用中,需要继续加强对技术的研究和创新,推进技术与法律、伦理等方面的平衡发展。 相似文献
5.
张辉 《信息技术与信息化》2005,(4):111-113
数据挖掘技术是近年来数据库和人工智能领域研究的热点课题,目前在很多领域已有研究,但在公安刑侦工作的研究中尚处于初级阶段。本文对数据挖掘技术进行了研究,针对传统的分类规则-Apriori算法在刑侦工作中存在的问题进行了分析,提出了算法的改进,并通过模型进行了验证。 相似文献
6.
以提升网络热门舆情分类准确率,降低分类时间为目标,提出了基于数据挖掘技术的网络热门舆情分类方法。将小波核函数和支持向量机结合构成小波模糊支持向量机,采用增量学习机制和贝叶斯分类算法建立增量贝叶斯分类算法,组成小波模糊支持向量机-增量贝叶斯分类算法解决测试样本易分类失误以及类条件独立假定性很难获取问题,通过计算待测样本和小波支持向量机之间的距离,实现网络热门舆情分类。经实验验证:类置信度较高时,文中方法分类准确率高,运行时间少,可快速分类网络热门舆情,且网络热门舆情分类结果的查全率以及查准率都在94%以上,分类精度较好。 相似文献
7.
8.
9.
传统电商情感数据分析往往采用数据挖掘方法分别从数据区分和特征区分的角度来判断商品评价情感倾向。鉴于此,提出了一种基于Adaboost-GA模型的商品评论情感分析方法,首先从数据区分的角度综合多个弱分类器而形成强分类器,提高分类算法的泛化和分类能力;其次从特征区分的角度降低数据特征之间的多重共线性进而提高模型的分类效果。实验结果表明,结合朴素贝叶斯算法的Adaboost-GA模型的平均分类准确率达到了90.53%,说明该模型在商品评论分类应用中能够取得较好的分类效果。 相似文献
10.
11.
Web数据挖掘研究与探讨 总被引:18,自引:0,他引:18
随着WWW迅猛发展,WWW上的信息量不断增加,如何在这些信息中找到用户真正需要的内容,成为数据组织和Web相关领域专家学者关注的焦点。由Web数据具有的半结构化特性,使得Web数据挖掘更加复杂,不同于传统的基于数据库的数据挖掘。为了解决这个问题,把数据挖掘的理论和技术应用于WWW,出现了一个新的研究领域——Web数据挖掘。基于Web的数据挖掘主要分为:Web内容挖掘、Web结构挖掘和Web使用记录的挖掘。综述了基于Web的数据挖掘技术概念与原理,并且介绍用以Web数据挖掘实现的一种全新的技术——XML。如何进一步开发Web数据挖掘,充分利用Web资源,还有待于进一步的研究。Web数据挖掘的研究具有极大的挑战性,同时又具有极大的开发潜力。 相似文献
12.
XML在Web数据挖掘技术中的应用 总被引:3,自引:0,他引:3
Web数据挖掘已经成为当前被广泛研究的课题.目前很多网站都是用HTML构建的,给Web数据挖掘带来了诸多困难,XML的出现为面向Web的数据挖掘带来了便利.本文介绍了一种充分利用XML的优点对HTML描述的网站进行挖掘的一种方法. 相似文献
13.
Web数据挖掘是数据挖掘中的一个新的重要研究领域。介绍了基于Web的数据挖掘的概念与特点,对Web挖掘的主要内容进行了阐述,提出了Web挖掘中常用的解决方法以及数据挖掘的过程。同时,对数据挖掘过程中面临的问题进行了分析和研究,提出了相应的解决方案并且举例进行了证明。 相似文献
14.
15.
基于约简的关联规则采掘方法 总被引:1,自引:0,他引:1
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。 相似文献
16.
Abnormal samples are usually difficult to obtain in production systems, resulting in imbalanced training sample sets. Namely, the number of positive samples is far less than the number of negative samples. Traditional Support Vector Machine (SVM)‐based anomaly detection algorithms perform poorly for highly imbalanced datasets: the learned classification hyperplane skews toward the positive samples, resulting in a high false‐negative rate. This article proposes a new imbalanced SVM (termed ImSVM)‐based anomaly detection algorithm, which assigns a different weight for each positive support vector in the decision function. ImSVM adjusts the learned classification hyperplane to make the decision function achieve a maximum GMean measure value on the dataset. The above problem is converted into an unconstrained optimization problem to search the optimal weight vector. Experiments are carried out on both Cloud datasets and Knowledge Discovery and Data Mining datasets to evaluate ImSVM. Highly imbalanced training sample sets are constructed. The experimental results show that ImSVM outperforms over‐sampling techniques and several existing imbalanced SVM‐based techniques. 相似文献
17.
现有的基于深度学习的文本分类方法没有考虑文本特征的重要性和特征之间的关联关系,影响了分类的准确率.针对此问题,本文提出一种基于高效用神经网络(High Utility Neural Networks,HUNN)的文本分类模型,可以有效地表示文本特征的重要性及其关联关系.利用高效用项集挖掘(Mining High Utility Itemsets,MHUI)算法获取数据集中各个特征的重要性以及共现频率.其中,共现频率在一定程度上反映了特征之间的关联关系.将MHUI作为HUNN的挖掘层,用于挖掘每个类别数据中重要性和关联性强的文本特征.然后将这些特征作为神经网络的输入,再经过卷积层进一步提炼类别表达能力更强的高层次文本特征,从而提高模型分类的准确率.通过在6个公开的基准数据集上进行实验分析,提出的算法优于卷积神经网络(Convolutional Neural Networks,CNN),循环神经网络(Recurrent Neural Networks,RNN),循环卷积神经网络(Recurrent Convolutional Neural Networks,RCNN),快速文本分类(Fast Text Classifier,FAST),分层注意力网络(Hierarchical Attention Networks,HAN)等5个基准算法. 相似文献
18.
曾展挺 《智能计算机与应用》2021,11(1):167-169
在云计算环境下,Web数据挖掘技术得到了快速发展。由于云计算的应用,Web数据挖掘体系已体现出新的特点。分析云计算环境下Web数据挖掘技术的特点,可以明确应用要点,可以实现云计算在数据存储中的突破,实现存储的能力与安全性的提高。从海量数据中高效挖掘有价值的资源,属于信息技术要解决的关键问题。云计算技术支持下的数据挖掘实现了资源的优化配置,体现出实用性、虚拟性的特点,可以保证数据挖掘的高效、精准。因此,有必要构建基于云计算的数据挖掘模式,保证数据挖掘具有更高的精准度,并实现挖掘成本的降低。 相似文献
19.
随着有线电视的一元化收视格局被打破,用户离网问题变得日益严重,如何通过大数据技术和数据挖掘技术来降低用户流失率、提高用户的净推荐值已经成为影响广电运营商发展的首要因素,从有线电视用户收视行为的演变出发,分析了解决有线电视用户离网问题的路径和方法.第一部分介绍了有线电视用户离网现状与原因,从视频收视格局的变化出发,剖析了有线电视用户离网的现状和原因.第二部分介绍了建设有线电视用户离网预警系统的必要性和系统构成,分析了以往离网研究存在的问题,并介绍了格兰研究最新研发的大数据用户离网预警管理系统和online在线服务系统.第三部分介绍了大数据离网预警管理系统的关键技术和物理架构.第四部分介绍了离网预警管理系统的应用,分别阐述了离网用户挽留方案的制定和部门间的无障碍数据应用. 相似文献