1) Complex structure data mining
复杂类型数据挖掘
2) complicated data mining
复杂数据挖掘
1.
The Complicated data mining multimedia database is performed via hidden Markov model,the difficult problem for complicated data mining need to be solved is telling from audio frequency and video frequency.
利用隐马尔可夫模型(HMM)对多媒体数据库进行复杂数据挖掘,复杂数据挖掘要解决的难题就是音频和视频识别。
3) Clustering Data Mining
聚类数据挖掘
1.
Geometric Data Transfer Method for Privacy Preservation in Clustering Data Mining;
讨论了数据挖掘中的隐私保护问题,提出了一种几何数据转换方法,并将其用于聚类数据挖掘中的隐私保护。
4) complex type data
复杂类型数据
1.
First, it is very difficult to describe the complex type data by general knowledge representation method.
首先 ,根据复杂类型数据 (包括Web数据、多媒体数据、空间数据、时间序列数据等 )所具有的非线性动力学性质和特征 ,采用模式 (定义为Hilbert空间中的矢量 )来定量地表征复杂类型数据的多变性及具有的不确定状态和行为 ,并用模式的变化来刻画其整体知识发现过程的发展和演变规律 ;其次 ,以知识发现系统内在机理的研究为基础 ,构造了复杂类型数据知识发现系统的总体结构模型———发现特征子空间模型DFSSM ;最后 ,用基于Web的文本挖掘系统和基于图像信息 (气象云图 )的知识发现系统作为实例进行了验证 ,结果表明DFSSM方法对于非结构化的文本数据及图像数据类型的知识发现过程具有指导性作用。
5) data mining model
数据挖掘模型
1.
The paper gives a data mining model in the fire protection system.
介绍了数据挖掘技术的概念及功能 ,并结合消防的现状讨论了数据挖掘在消防领域中的应用 ,构造了一个消防系统数据挖掘模
2.
In order to quantify and evaluate university teacher s research achievement scientifically,it is presented to combine MADM(multiple attribute decision making) with decision tree to establish data mining model.
在此,提出结合MADM(多属性决策)与数据挖掘的决策树ID3算法建立数据挖掘模型,以高校教师科研业绩为对象,科学地进行量化评估,从而为决策者的管理工作提供更加客观的信息。
3.
This paper illustrates the definition and feature of web data mining, introduces the xml-based web data mining model, and research the applications of web mining and the application of electronic business especially.
阐述了Web数据挖掘的概念和特征,在分析XML技术的基础上,介绍了基于XML的Web数据挖掘模型,并对Web数据挖掘的应用领域和范围,尤其是在电子商务方面的应用进行了探讨。
6) Data mining models
数据挖掘模型
1.
Based on decision tree algorithm of data mining and general decision support objects (DSO), an efficient model-building tool, this paper designed and implemented the decision tree formed data mining models and used them to the daily load forecasting in terms of the weather-load database of district power network.
基于数据挖掘决策树算法和通用的决策支持对象(DSO)建模工具,结合区域电网气象负荷数据库设计与实现了决策树形式的数据挖掘模型并运用于日负荷预测。
补充资料：数据挖掘研究院
数据挖掘研究院（china data mining research,cdmr）是一个专注于数据挖掘及其相关技术的讨论组织，参与者都是数据挖掘及其相关学科的爱好者。作为论坛的组织者我们也是数据挖掘的忠实爱好者，希望能够利用一些有限的资源为中国数据挖掘营造一个良好的发展环境。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条