关于大数据时代图书馆现状的一些讨论

大数据时代的到来,对我们的思维、工作方式都产生了重大的影响,图书馆学界也对大数据进行了广泛的研究和讨论,笔者先是概述了大数据的概念、理念、特征、应用,然后结合图书馆现状,指出图书馆在大数据时代面临的挑战,希望借此与同行进行进一步地探讨。     

数据挖掘技术在软件系统中的应用

随着高新科学技术的发展,科学家研究出的利于人类工作生活的技术程序越来越多,大部分技术主要集中在如何帮助人们简化平时的工作量,能快速查找到自己所需要的信息,毕竟现代社会,工作效率和工作质量是关键。数据挖掘技术就具备这样的特点,数据挖掘技术在软件系统的应用将大大降低我们的工作量,提高我们的工作效率。现在我们研究数据挖掘技术在软件系统的应用,分析它是如何发挥其作用的,希望能提高使用该挖掘技术人员的使用效率。     

一种基于Spark的不确定数据集频繁模式挖掘算法

如何在海量不确定数据集中提高频繁模式挖掘性能是目前研究的热点.传统算法大多是以期望、概率或者权重等单一指标为数据项集支持度，在大数据背景下，同时考虑概率和权重支持度的算法难以兼顾其执行效率.为此，本文提出一种基于Spark的不确定数据集频繁模式挖掘算法（UWEFP），首先，为了同时兼顾数据项的概率和权重，计算一项集的最大概率权重值并进行剪枝；然后，为了减少对数据集的多次扫描，结合Spark框架的优点，设计了一种具有FP-tree特征的新颖的UWEFP-tree结构进行模式树的构建及挖掘；最后在Spark环境下，以UCI数据集进行实验验证.实验结果表明本文的方法在保证挖掘结果的同时，提高了效率.     

基于数据挖掘的OLAP分析技术及应用

数据仓库和数据挖掘技术是目前信息技术研究的热点问题之一,介绍了数据挖掘(data mining)、数据仓库(datawarehouse)及联机分析处理(OLAP)技术。并以零售业决策支持系统为例,介绍了该系统的体系结构、数据仓库的设计、系统实现关键技术及各子系统功能,着重论述了如何利用OLAP技术实现企业决策支持系统。     

“决定生物识别技术进入国家级应用的关键是政治意愿或政府意志”

在西方发达国家，生物识别技术，以涉及安全领域的应用为主，尤其是公共及国家安全，并开始从单纯的自动识别功用(如AFIS系统，背景调查，黑名单监控等)．逐渐转向构建统一的数据库及识别认证平台，以及生物特征数据挖掘等基础性、架构性的应用，而真正开始发挥生物识别技术的巨大潜力。     

基于粗糙集数据分析方法的电信数据挖掘研究

介绍了粗糙集数据分析方法，重点是基于粗糙集数据分析方法的电信数据挖掘研究，并基于粗糙集数据分析方法进行客户流失分析，指导企业针对客户的需求制定策略，最大可能地留住有价值的客户。该粗糙集数据分析方法可应用于电信领域中的客户分析、业务分析、客服分析、市场竞争分析等。     

基于数据仓库技术的电信企业客户分析

主要介绍数据仓库技术,重点讨论将数据仓库技术应用于电信企业客户分析,以开发客户信息资源及挖掘客户价值,并结合Web技术实现信息共享。     

数据挖掘在工业数据中的应用

本文以采油项目为例．着重讨论了商业智能在工业领域中的应用。[编者按]     

应用于空间关联规则挖掘的ILP方法

文章介绍了应用于空间关联规则挖掘的ILP方法。ILP方法全称为归纳逻辑程序设计,这种方法有利于从空间领域发现有价值的知识,系统地研究地理层的层次结构,处理诸多空间对象的空间特性。这种方法已在一个ILP系统SPADA中实现,该文将通过SPADA应用空间数据的一些实例来说明ILP方法的特点。     

数据挖掘及其应用

从数据库的应用发展方面,描述了数据挖掘的概念,讨论了数据挖掘的主要算法,给出了数据挖掘的应用概况及其实例.