一种新的生物序列模式挖掘算法

针对传统模式挖掘方法挖掘生物序列会生成大量不必要的短而且无用的模式,导致效率降低,在多支持度思想的基础上提出了基于邻近频繁模式段的模式挖掘算法JBioPM。首先,产生邻近短频繁模式段,然后组合这些短频繁模式段,产生新的长频繁模式。通过实验分析,该方法在相似性很强的序列数据库中比BioPM算法效率高。通过对真实的蛋白质序列家族库的处理,证明该算法能有效处理生物序列数据。     

基于Web日志的数据挖掘初探

Web日志挖掘是Web数据挖掘研究领域中一个最重要的应用方面。该文首先介绍了Web日志挖掘产生的背景,然后介绍了Web日志挖掘的基本概念,着重阐述了Web日志挖掘的预处理和日志挖掘算法两个关键技术,最后介绍了Web日志挖掘的应用,提出了其发展方向。     

品牌论道：阐述成功企业的发展历程 对话总裁，挖掘成功背后的精彩故事

品牌,是广大消费者对一个企业及其产品过硬的产品质量、完善的售后服务、良好的产品形象、美好的文化价值、优秀的管理结果等等所形成的一种评价和认知,是企业经营和管理者投入巨大的人力、物力甚至几代人长期辛勤耕耘建立起来的与消费者之间的一种信任……     

电子商务中数据挖掘技术的应用研究

随着电子商务的普及和数据挖掘技术的发展,将数据挖掘技术应用到电子商务中可以解决电子商务中数据量庞大的问题,从而获得真正有价值的信息。文章简要的介绍了电子商务以及数据挖掘的概念,并针对电子商务中所使用到的分类、聚类分析、关联规则挖掘、序列模式分析等主要数据挖掘技术进行了详细的分析,这些数据挖掘技术的使用可以帮助企业节省开支,细分市场,规划网站以及制定合理的营销策略,从而促使电子商务能更好、更快的进行。     

一种基于聚类的多数据库分类方法设计

多数据库挖掘最常用的方法是先将多数据库进行分类,然后对每个类进行单独挖掘,最后将各个类中的模式进行集成得到全局模式。这些数据库分类方法都只是针对事务数据库而设计,用两个数据库中共同项集的比例来衡量这两个数据库的相似度,以此来进行数据库分类。本文提出一种基于聚类的数据库分类方法,可以对任何类型的数据库进行分类。     

基于向量的并行关联规则挖掘算法

向量处理是计算机的优势,将事务数据库转换为向量矩阵,并对其进行关联规则挖掘,不仅可以充分发挥计算机的优势,而且提高挖掘的效率。基于此思想提出了一种在基于无共享体系结构的计算机上高效并行关联规则算法,详细描述了该算法的思想及实现步骤。最后实现该算法并与CD算法进行了比较,实验结果证明该算法效率较CD算法高,且具有很好的可扩充性,同时保证了挖掘结果的完整。     

用户行为异常检测模型

从系统安全的角度出发,将异常检测技术用于用户行为分析领域,建立了一个异常检测原型模型UBAD(User Behavior Abnormality Detection)。利用关联规则算法FP-growth,对系统中的反映用户行为特征的数据进行深入挖掘,得到每个用户的行为模式, 将当前模式与正常历史模式进行对比可以判断用户行为是否异常。     

结构关系模式挖掘算法测试平台的设计与实现

建立了一个结构关系模式挖掘算法测试平台。平台应用组件技术,把测试算法封装到组件中,并为测试算法提供一个通用的接口,使得算法能以组件的形式嵌入测试平台。平台提供数据处理、算法试验、结果的可视化与评价等模块,使用户评价新算法的过程变得更加客观、简便。实验结果表明,借助该测试平台,既可以方便的对各种算法进行测试,又有助于方便的研究新的算法。     

基于RoughSet的Web日志规则挖掘

Web日志挖掘是提高Web应用系统效率的有效手段。将Web日志通过预处理形成决策表,运用Roughset理论中的区分矩阵方法进行属性约简,从而获得简洁有效的关联规则,进行用户行为的预测研究。实验效果良好。     

深度数据挖掘——企业信息化成功的主轴

铺设网络、购买硬件、安装管理软件、建立系统不是企业信息化的本质,信息资源开发利用、信息挖掘才是企业信息化的主线。