数据挖掘技术在农业领域中的应用研究

数据挖掘是一种深层次的数据分析方法,是现代科学技术相互渗透与融合的必然结果。本文阐述了数据挖掘技术的基本原理,并根据农业数据的特点,探讨和分析了数据挖掘技术在农业方面的应用研究。     

基于数据仓库的数据挖掘技术分析研究

基于数据仓库的数据挖掘技术是一种对数据仓库中的数据进行深层次的加工和处理的过程,也是一种实现数据仓库决策价值的方法和工具。文中分析了数据仓库、数据挖掘等概念,并结合数据挖掘在实际决策支持系统中的应用,说明了数据挖掘的基本方法、主要过程以及发展方向。     

基于数据仓库的数据挖掘技术分析研究

基于数据仓库的数据挖掘技术是一种对数据仓库中的数据进行深层次的加工和处理的过程,也是一种实现数据仓库决策价值的方法和工具.文中分析了数据仓库、数据挖掘等概念,并结合数据挖掘在实际决策支持系统中的应用,说明了数据挖掘的基本方法、主要过程以及发展方向.     

基于物联网与云计算的数据挖掘技术

在大数据时代,数据成爆炸式增长状态,加大了数据分析和利用难度。应用数据挖掘技术有助于提高数据分析和利用水平。云计算、物联网技术的出现则有助于深化发展数据挖掘技术。现如今,对三种技术已进行了融合发展,有效提高了数据挖掘技术应用水平。本文主要介绍了物联网、云计算、数据挖掘的概念,分析了基于云计算的物联网数据挖掘技术原理,同...     

基于数据挖掘的瓦斯灾害信息融合模型的研究

数据挖掘和信息融合是2种功能不同的处理数据的过程,2种方法虽然原理不同,但在功能上可以相互弥补。介绍了基于数据挖掘技术建立信息融合模型的原理和算法,研究了基于模糊粗糙集的数据挖掘算法建立瓦斯灾害信息融合模型的方法,并对所建模型进行误差曲线仿真分析。     

浅谈数据挖掘技术在高校教育管理中的应用

高等院校在教育信息化建设过程中建立了多种数据应用系统,并积累了庞大而复杂的数据信息.利用数据挖掘技术对数据信息进行分类和深层次分析,有助于高校教育决策和部署.本文就数据挖掘技术在高校教育管理中的应用进行了初步探析.     

一种基于聚类和协议分析的入侵检测方法

根据入侵检测中协议分析技术与聚类数据挖掘技术各自不同的检测特点,提出了一种新的入侵检测方法,将协议分析技术融合到聚类数据挖掘中。通过数据清洗和协议分析不但可以有效减少聚类挖掘的数据量,快速地检测出入侵行为,而且可以让被挖掘的数据更加符合聚类数据挖掘的先决条件,提高了聚类数据挖掘检测的效率。     

基于数据挖掘的知识获取与发现

利用数据挖掘技术，提出一种从局部模式向全局模式进行数据融合的模型，并对局部模式的数据挖掘进行了探讨，提出基于事实的物理维度和基于事实数据信息的两种不同出发点的分类聚类模型与算法，并对两者作出了比较，结果是在实际应用中均能较好地解决问题,能起到辅助决策的功能。     

数据挖掘技术在学生成绩分析中的应用

数据挖掘是数据的深层次分析方法。将数据挖掘技术应用于学生成绩分析,可以发现学生成绩内在的特性和隐藏的状况。运用标准化数据预处理、数据聚类算法等一系列数据挖掘方法,对比传统的排序,提出了学生成绩分析的一些新思路,为发现问题、调整教学策略、有效提升成绩提供数据支撑。     

采用分类挖掘模式提取网络入侵模型

在WenkeLee的基于数据挖掘技术的网络入侵检测系统结构基础上,通过融合异常入侵检测模块和误用入侵检测模块,构建了一种新的基于数据挖掘技术的自适应网络入侵检测系统结构。描述了对审计数据进行分类挖掘来提取描述正常和异常行为的特征和规则的方法。采用基于决策树和基于关联规则的两种分类方法实现了改进的结构模型中的建模模块,并挖掘出能够反映网络行为的分类规则。     

重复数据删除技术

重复数据删除技术主要分为两类:相同数据的检测技术和相似数据的检测与编码技术,系统地总结了这两类技术,并分析了其优缺点.此外,由于重复数据删除技术会影响存储系统的可靠性和性能,又总结了针对这两方面的问题提出的各种技术.通过对重复数据删除技术当前研究现状的分析,得出如下结论:a) 重复数据删除中的数据特性挖掘问题还未得到完全解决,如何利用数据特征信息有效地消除重复数据还需要更深入的研究;b) 从存储系统设计的角度,如何引入恰当的机制打破重复数据删除技术的可靠性局限并减少重复数据删除技术带来的额外系统开销也是一个需要深入研究的方面.     

重复数据删除技术

重复数据删除技术主要分为两类:相同数据的检测技术和相似数据的检测与编码技术,系统地总结了 这两类技术,并分析了其优缺点.此外,由于重复数据删除技术会影响存储系统的可靠性和性能,又总结了针对这 两方面的问题提出的各种技术.通过对重复数据删除技术当前研究现状的分析,得出如下结论:a) 重复数据删除 中的数据特性挖掘问题还未得到完全解决,如何利用数据特征信息有效地消除重复数据还需要更深入的研 究;b) 从存储系统设计的角度,如何引入恰当的机制打破重复数据删除技术的可靠性局限并减少重复数据删除技术带来的额外系统开销也是一个需要深入研究的方面.     

云存储完整性验证密码学技术研究进展

云存储完整性验证技术允许用户将数据存储至云端服务器,并为用户提供可验证的完整性保证。典型的云存储完整性验证方案由两个阶段组成：一是数据处理阶段,用户使用私钥处理数据、生成可验证的元数据存储于云服务器,而本地只需保存与数据相关的一些参数,如密钥和数据标签等;二是数据完整性验证阶段,验证者通过和云服务器交互执行一个挑战/证明协议,能够以极高的概率判断出云端数据当前的完整性。到目前为止,已经涌现了大量的相关密码学方案。本文对可证明安全的可公开验证的云存储完整性验证关键密码学技术研究进展进行简要回顾,主要涵盖代理数据外包技术、代理完整性验证技术、基于身份的数据外包技术以及几种计算和通信效率优化技术等。     

面向大数据的海云数据系统关键技术研究

由于数据产生成本的急速下降,人类社会产生的数据不仅以指数级别增长,而且数据的结构变得日趋复杂,使得传统的数据分析技术遇到了极大的挑战.如何对大量复杂数据进行分析和挖掘,从中提取有价值的知识用于决策,已经成为产业界和学术界的广泛关注问题,在一些国家已上升到国家战略层面.本文介绍了大数据的基本概念、特征和面临的科学问题,总结了中国科学院战略性先导科技专项“面向感知中国的新一代信息技术研究”中“海云数据系统关键技术研究与系统研制”课题的一些先期成果,为开发大数据管理、分析和挖掘系统提供一些参考依据.     

面向关系型数据与知识图谱的数据集成技术综述

目前,各个国家和地区均已将大数据视为重要的战略资源.然而,大数据时代普遍存在数据流通困难、数据监管不足等问题,致使数据孤岛现象严重,数据质量低下,数据要素潜能难以释放.这驱使研究人员探索数据集成技术,以打破数据壁垒、实现信息共享、提升数据质量,进而激活数据要素潜能.关系型数据和知识图谱作为两种至关重要的数据组织与存储形式,在现实生活中应用广泛.为此,聚焦关系型数据和知识图谱,归纳总结并分析实体解析、数据融合、数据清洗3方面的数据集成关键技术,最后展望未来研究方向与趋势.     

碎片化家谱数据的融合技术

家谱数据是典型的碎片化数据,具有海量、多源、异构、自治的特点.通过数据融合技术将互联网中零散分布的家谱数据融合成一个全面、准确的家谱数据库,有利于针对家谱数据进行知识挖掘和推理,从而为用户提供姓氏起源、姓氏变迁和姓氏间关联等隐含信息.在大数据知识工程BigKE模型的基础上,提出了一个结合HAO智能模型的碎片化数据融合框架FDF-HAO （fragmented data fusion with human intelligence,artificial intelligence and organizational intelligence）,阐述了架构中每层的作用、关键技术和需要解决的问题,并以家谱数据为例,验证了该数据融合框架的有效性.最后,对碎片化数据融合的前景进行展望.     

基于HLA的数据采集与重放模型

针对基于HLA/RTI结构的仿真框架中数据采集与重放的问题,研究该框架中交互机制、对象建模、数据存储模型、数据重放模型和过滤机制等关键技术,提出一种基于HLA的数据采集与重放系统。应用于某型分布式交互对抗仿真系统中的结果表明,该模型具有可行性。     

基于HLA的数据采集与重放模型

针对基于HLA/RTI结构的仿真框架中数据采集与重放的问题,研究该框架中交互机制、对象建模、数据存储模型、数据重放模型和过滤机制等关键技术,提出一种基于HLA的数据采集与重放系统。应用于某型分布式交互对抗仿真系统中的结果表明,该模型具有可行性。     

基于数据架构的结构化数据注册引擎设计

随着大数据时代的来临，结构化数据的种类、规模不断增加，但是目前针对于结构化数据的注册还没有相应的研究成果。为了解决结构化数据注册的问题，采用数据架构（DA）的思想和相关技术，结合数据注册中心（DRC），设计一种针对结构化数据的注册引擎，提出一种结构化数据的统一注册标准和注册方法，实现结构化数据的自动采集注册。通过实验与分析，注册引擎能够准确、高效地将结构化数据注册信息采集并写入DRC中，为国内外常用数据库的注册问题提出了一种解决方案，为DRC数据注册中心的结构化数据注册信息管理和应用奠定了坚实的基础。     

基于数据仓库和数据挖掘的中国科技股投资决策支持系统研究

首先讲述证券业的特点及数据仓库和数据挖掘技术在其中的应用前景,然后分析数据仓库和数据挖掘技术。接着提出了一个科技股投资决策支持系统,重点论述该系统的体系结构,详述各组成部分的功能及相互关系,并且还指出采用SQLServer2000来建立数据仓库。