基于MVC架构的数据挖掘平台的设计与实现

为了增强数据挖掘软件各功能模块的可扩展性和复用性,分析了现有数据挖掘工具的优缺点,并综合考虑数据挖掘过程的实际特点,提出了一个基于MVC架构的数据挖掘平台设计方案.在此基础上,利用Eclipse plug-in,RCP,GEF等技术,实现了一个数据挖掘平台原型系统.该平台遵循CRISP-DM过程标准,在软件架构上实现了低耦合、高复用,为用户提供了一个友好、灵活、易重用、可扩展的数据挖掘应用环境.     

决策树在XML数据库挖掘中的研究

传统数据挖掘是基于关系型数据库的,XML技术的出现,使它在短时间内成为表示和交换信息的标准,为数据挖掘提供了新的方法.对决策树、XML技术作了简要介绍,并对基于XML的数据挖掘基本过程进行了探讨研究,提出了一种决策树在XML数据库挖掘的分析模型.最后,通过一个实例来说明如何利用这个模型进行数据挖掘,并指明了今后的研究方向.     

基于工作流的数据挖掘PMML模型实现

随着计算机、数据仓库等技术的发展,数据挖掘在电信、银行等行业中得到了越来越广泛的应用.本文提出了应用PMML标准实现不同数据挖掘模型、工具间数据的传递的方法,同时将工作流应用到数据挖掘系统中,实现了由用户定制数据挖掘过程和选择算法的功能,解决了多个数据挖掘模型、算法间的互操作问题,同时运用工作流增强了数据挖掘系统用户自主定制和选择的能力.     

数据挖掘及其工具的合理选择

本文给出了基于数据库的知识发现（KDD）的核心——数据挖掘,通过对数据挖掘的实现过程和种类的分析,给出了数据挖掘工具的合理选择标准．为充分利用数据挖掘工具提供了参考。     

数据挖掘技术分析及其应用评价

本文主要讨论了数据挖掘方法的研究发展,简要地介绍了数据挖掘的定义、功能、方法等,详细的介绍了一些常用的数据挖掘技术,包括概念,应用范围,选择划分的标准等,并对各种技术的性能进行了评价.     

数据挖掘及其工具的选择

本文给出了ＫＤＤ 的核心———数据挖掘，通过对数据挖掘种类的分析，给出了数据挖掘工具的选择标准，为充分利用数据挖掘工具提供了参考     

数据挖掘技术在软件工程中的应用探究

对数据挖掘技术含义进行概述,从信息数据自身存在的复杂性,及评价标准缺乏一致性两个方面入手,对数据挖掘技术在软件工程中应用存在的问题进行详细解析,并以数据挖掘技术在软件工程中的应用范围为依据,从数据仓库系统,数据仓库建模两方面建立数据信息软件,采用不同的分析方法对集成软件信息数据仓库进行信息挖掘,详细阐述了数据挖掘技术在软件工程中的应用对策.     

基于质量的数据挖掘服务选择

在面向服务的数据挖掘系统中各种数据挖掘的算法封装成 Web服务.用户选择合适的数据挖掘服务执行自己的数据挖掘任务,而大多数最终用户并不具备这样的专业知识.从方便用户的角度出发,系统需提供一套服务选择机制,来帮助用户选择高质量的数据挖掘服务.综合通用Web服务的评价标准、数据挖掘领域的专用评价因子及用户评价反馈等多种因素及服务的动态性,给出了一个较全面的数据挖掘服务评价本体,讨论了服务质量的评价方法,给出了基于服务质量评价的动态数据挖掘服务选择方法,用户可根据数据挖掘服务评价本体的语义模型,输入质量约束条件,也可以调整评价因子权值,系统在满足用户约束条件的服务集中,通过计算出服务的综合质量值,挑选最适合的算法执行.     

云计算环境下面向领域的数据挖掘服务平台研究

为促进数据挖掘开发及其商业应用,采用云计算技术、领域工程和数据挖掘等技术,结合领域驱动设计和云计算框架,提出了一种面向领域的数据挖掘云平台框架,并阐述了云计算环境下面向领域的数据挖掘服务的机理.定义了面向领域的数据挖掘云平台服务开发模式,这对面向领域的数据挖掘、云计算环境下的数据挖掘服务模式以及数据挖掘服务的开发和应用都有一定的参考价值.     

基于数据处理的数据挖掘隐私保护技术分析

随着数据挖掘技术的发展与应用,如何在得到准确的挖掘结果的同时保护隐私信息不被泄露,已经成为必须解决的问题.基于数据处理的数据挖掘隐私保护是一种有效的途径,通过采用不同的数据处理技术,出现了基于数据匿名、数据变换、数据加密、数据清洗、数据阻塞等技术的隐私保护算法.文中对基于数据处理的数据挖掘隐私保护技术进行了总结,对各类算法的基本原理、特点进行了探讨.在对已有技术和算法深入对比分析的基础上,给出了数据挖掘隐私保护算法的评价标准.     

Emerging standards for data mining

This paper presents an overview of data mining, then discusses standards (both existing and proposed) that are relevant to data mining. This includes standards that affect several stages of a data mining project. Summaries of several emerging standards are given, as well as proposals that have the potential to change the way data mining tools are built.     

Customer relationship management in the hairdressing industry: An application of data mining techniques

With the increase of living standards and the sustainable changing patterns of people’s lives, nowadays, hairdressing services have been widely used by people. This paper adopts data mining techniques by combining self-organizing maps (SOM) and K-means methods to apply in RFM (recency, frequency, and monetary) model for a hair salon in Taiwan to segment customers and develop marketing strategies. The data mining techniques help identify four types of customers in this case, including loyal customers, potential customers, new customers and lost customers and develop unique marketing strategies for the four types of customers.     

数据挖掘的工业标准的现状和展望

简单介绍了数据挖掘的基本内容和作用,回顾了数据挖掘在国内的应用和发展情况,提出了数据挖掘的行业标准问题及标准制定的重要性。鉴于国内的数据挖掘行业尚未有相关的行业标准,简单介绍了几个目前国外比较流行的标准(PMML,OLEDBDM,CRISP-DM等)及行业标准制定中有待完善和发展的方面。     

一个开放数据挖掘系统的分析与设计

采用数据挖掘标准研制挖掘系统正逐渐成为一种趋势。无论是对商业用户还是对系统开发者,这都具有非常重要的意义。对于用户,将大大减少在知识发现和模型配置过程中会遇到的困难,并从低运行成本和方便使用中获益;对于开发者,这些标准将影响着新一代挖掘系统的设计思想、挖掘算法与不同系统中数据的交互途径、异构环境中预测模型的配置方式。采用相关数据挖掘标准,笔者开发了一个开放数据挖掘原型系统XMiners。文章在简要分析了相关挖掘标准的基础上,给出了XMiners的系统结构设计和类模型设计。     

Data mining for the corporate masses?

For several years, proponents have touted data mining as a powerful tool for finding patterns hidden in large databases. They promise many benefits, such as increased revenues for companies that use the technology to fine tune their marketing by digging out customers' buying patterns from mountains of sales data. Until recently, however, data mining has been a complex, expensive, somewhat limited tool adopted primarily by large companies. This pattern may be changing, though, because of new techniques and technologies. The paper considers several key data mining trends that have emerged and discusses standards for various aspects of data mining     

基于数据挖掘的在线医疗诊断系统

随着生活水平的不断提高以及生活环境的不断变化,人们对医疗的重视也逐步增加,对自身健康也更加关注。文章介绍了多种数据挖掘的方法,并采用了一种通过分析数据不一致化率的分类方法实现对确诊数据的高效分类。最后,将该方法应用于糖尿病患者的确诊数据挖掘,从而通过实例证明了该分类方法在医疗领域有一定的有效性。     

A grid-based approach for enterprise-scale data mining

We describe a grid-based approach for enterprise-scale data mining, which is based on leveraging parallel database technology for data storage, and on-demand compute servers for parallelism in the statistical computations. This approach is targeted towards the use of data mining in highly-automated vertical business applications, where the data is stored on one or more relational database systems, and an independent set of high-performance compute servers or a network of low-cost, commodity processors is used to improve the application performance and overall workload management. The goal of this paper is to describe an algorithmic decomposition of data mining kernels between the data storage and compute grids, which makes it possible to exploit the parallelism on the respective grids in a simple way, while minimizing the data transfer between these grids. This approach is compatible with existing standards for data mining task specification and results reporting, so that larger applications using these data mining algorithms do not have to be modified to benefit from this grid-based approach.     

关联规则下数据挖掘可视化技术的探讨与实现

随着数据挖掘技术的不断发展以及数据挖掘工具应用的日益深入,数据挖掘可视化技术已成为数据挖掘领域新兴的研究热点之一。本文首先探讨数据挖掘可视化技术的主流发展趋势;然后基于Netbeans6．1开发平台,采用Java、JFreeChart等开发技术,结合PMML标准,完成关联规则下的数据挖掘可视化技术的设计与实施。实践表明：所完成的工作能够将关联规则下的数据挖掘过程以可视化的元素展示给参与数据挖掘的用户,让用户能够对挖掘结果进行有效评估。     

Domain driven data mining in human resource management: A review of current research

An increasing number of publications concerning data mining in the subject of human resource management (HRM) indicate the presence of a prospering new research field. The current paper reviews this research on HR data mining to systematically uncover recent advancements and suggest areas for future work. Based on the approach of domain driven data mining, an initial framework with significant domain-specific requirements is elaborated. Relevant research contributions are identified and reviewed against the background of this framework. The review reveals that HRM constitutes a noteworthy new domain of data mining research that is dominated by method- and technology-oriented work. However, specific domain requirements, such as evaluating the domain success or complying with legal standards, are frequently not recognized or considered in current research. Therefore, the systematic consideration of domain-specific requirements is demonstrated here to have significant implications for future research on data mining in HRM.