【摘 要】
：
传统的数据挖掘技术如分类、聚类、关联和异常点发现等技术与OLAP技术的结合通常采用的方法是分类、聚类、关联和异常点发现的结果即为任务的终点和目标.然而事实上,在实际需
【机 构】
：
北京大学信息科学技术学院,北京,100871
论文部分内容阅读
传统的数据挖掘技术如分类、聚类、关联和异常点发现等技术与OLAP技术的结合通常采用的方法是分类、聚类、关联和异常点发现的结果即为任务的终点和目标.然而事实上,在实际需求中用户不仅仅需要分类、聚类等数据挖掘的结果,还进一步希望此结果能与OLAP分析过程紧密结合,让数据挖掘的结果为OLAP数据分析过程服务.在这种情况下,数据挖掘的结果本身并非最终结果,如何将挖掘结果进一步用于OLAP分析才是用户关注的焦点.以聚类挖掘为例,提出了一种在OLAP分析中保持聚类挖掘结果的方法.
其他文献
聚类结果的有效性由结构有效性、算法有效性和先验知识有效性3个方面的因素决定.忽略先验知识和假设结构的有效性孤立地提升聚类算法的有效性很可能产生无效的聚类结果.现有
数据流频繁模式挖掘是从实时、连续、有序的数据序列中寻找频繁模式的过程,以往的相关研究通常将该过程分为两个阶段:首先监测数据流中各模式的频率,由于数据流环境对空间与
提出了一种新的面向分布式规则挖掘的数据取样技术(DOptiSim方法),它是在分析了分布式环境中移动Agent技术特点和研究了最优K相异性数据多样化代表性子集选择方法(OptiSim算
同学、朋友、同事之间组织聚餐、BBQ、游玩等活动,常会采取AA制分摊费用的形式.这种不“拖泥带水”的付款方式越来越为现代人所推崇,但有时帐目记录也是件颇为繁锁的事.比如
MP3歌曲分割是一项相当常见的应用,比如演唱会的MP3歌曲想要掐断开头歌手感言的部分,想要将喜欢歌曲的高品质MP3剪切出高潮的部分作为手机铃声等情况.一般情况下此类功能都是
数据流频繁闭合模式挖掘是数据挖掘中的一大挑战.目前,在这方面的研究很少.提出了一种新的在滑动窗模型下发现频繁闭项集的算法--FCISW(frequent closed itemsets mining in
如今IM软件都有视频聊天功能,如果能将与好友聊天的视频片段录制下来,保存在电脑中,那就太好了.让“HyperCam”这款软件来帮忙,只需简单两步,便能录制MSN聊天视频,具体操作方
对电脑有一定了解的用户,一定都不会对“安全模式”感到陌生.当系统出现问题时,进入到安全模式后只需简单的操作,就可以让系统恢复如常.另外很多软件,尤其是杀毒软件也都建议
窗口式聚类算法的基本思想是用窗口表示一个聚类,通过窗口的平移和扩大达到快速聚类的目的.针对聚类分析中特殊的样本数据集合--图像,提出一种基于样本缩减策略的窗口式聚类
“Svchost.exe”进程是微软Windows操作系统的系统程序.而这个进程也往往成为病毒和木马青睐的对象.如果发现“svchost.exe”进程占用大量的内存或CPU资源.那就要当心了.有时