现代数据挖掘技术研究进展

综述了数据挖掘技术,阐述了数据挖掘产生的背景、定义和功能,论述了数据挖掘的技术和算法,介绍了数据挖掘的应用现状、研究热点及今后的发展方向。     

时序数据挖掘技术及其在粮食产量预测中的应用研究

随着信息技术的飞速发展,数据挖掘受到越来越多的关注.时间序列数据挖掘是数据挖掘的重要内容.介绍了时间序列数据挖掘的研究现状及时间序列模型的相关内容,并采用时序数据挖掘工具预测粮食的产量.结果表明,运用时序数据挖掘的方法具有较高的预测精度.     

数据挖掘技术与应用

较详尽地介绍了数据挖掘技术及其背景知识,阐述了成功的数据挖掘所具备的条件,提出了数据挖掘实施时应注意的问题,并对数据挖掘的研究现状与应用进行了总结.     

数据挖掘在教育信息化中的应用

数据挖掘是目前信息领域和数据库技术的前沿课题，被公认为是最具发展前景的关键技术之一。文章从数据挖掘的概念出发，概述了数据挖掘的常用方法、数据挖掘的过程，并对教育信息化条件下，数据挖掘的应用进行了深入细致地分析。     

数据挖掘和数据仓库在网络营销中的应用

在分析数据仓库和数据挖掘重要性的基础上,指出了数据挖掘的基本过程、数据挖掘的分类和应用,介绍了使用分类模型进行数据挖掘的应用实例,论述了实现原始数据到应用数据转换的方法.     

数据挖掘技术及其在电子商务中的应用研究

本文介绍了数据挖掘的基本理论,对数据挖掘在电子商务的应用进行了研究,并描述了1个通用的面向电子商务的数据挖掘体系结构模型.     

基于数据挖掘实现信息服务质量的提升和服务形式的拓展

分析数据挖掘的内容、数据结构形式、数据挖掘过程和数据挖掘的功能;论述了数据挖掘在图书馆工作中的应用前景,特别是对于实现信息服务质量的提升和服务形式拓展都起着相当重要的作用。     

数据挖掘技术在变电站设备及缺陷管理系统中的应用

本文将数据挖掘技术应用到变电站设备及缺陷管理系统中,设计出设备缺陷数据挖掘系统,此系统包括数据预处理模块,数据挖掘模块和数据挖掘结果显示模块。文中根据变电站缺陷数据的特点,提出了采用多元线形回归模型进行数据挖掘的方法,并具体得以实现。实例表明该数据挖掘系统能够对缺陷的发生进行有效的预测。     

数据挖掘在茶叶鉴定中的应用

介绍了数据挖掘的一般过程和常用技术,总结了数据挖掘在茶叶鉴定中的应用现状,并对数据挖掘方法的选择和存在的问题进行了简单的讨论。     

数据挖掘的技术特点及发展现状

首先给出数据挖掘所涉及的技术领域及其研究特点，介绍了数据仓库与一般事务数据库的区别，基于对典型数据挖掘算法的基本原理、实现技术及应用领域的分析，论证了数据挖掘是当前信息技术的一个核心研究内容。文章的最后给出了未来数据挖掘的研究方向及发展趋势。     

PowerBuilder环境下动态数据管道的实现方法

针对PowerBuilder环境下标准数据管道对象(Data Pipeline Object)存在的不足,阐述了如何将其改进为"动态数据管道对象"的方法.     

农村社会各类保障体系集成管理数据仓库建立技术

针对我国农村各种社会保障体系分散性,运用数据仓库技术,将农村各类社会保障体系集成管理,建立具有集成化的农村社会保障体系数据仓库。该数据仓库建立技术包括数据组织体系结构、数据采集、抽取、加载、数据立方体及OLAP功能查询技术。最后,提出了相应的实现与维护的方法。     

Development of an automated climatic data scraping, filtering and display system

One of the many challenges facing scientists who conduct simulation and analysis of biological systems is the ability to dynamically access spatially referenced climatic, soil and cropland data. Over the past several years, we have developed an Integrated Agricultural Information and Management System (iAIMS), which consists of foundation class climatic, soil and cropland databases. These databases serve as a foundation to develop applications that address different aspects of cropping systems performance and management. In this paper we present the processes and approaches involved in the development of a climatic data system designed to automatically fetch data from different web sources, consolidate the data into a centralized database, and delivery the data through a web-based interface.Climatic data are usually available via web pages or FTP sites. The exact steps to scrape data from different sources vary depending on how the data are rendered. The climatic data building process presented herein is broken down into 5 major program modules, corresponding to different phases of the process: Data Requester, Data Fetcher, Data Parser, Data Filter, and Data Explorer. The Data Requester is responsible for processing the web pages that lead to the determination of the requested weather data. The Data Fetcher is responsible for fetching weather data that is made available by the data sources based on the request from the Data Requester. The Data Parser is responsible for decompressing and parsing the contents of the original data file and saving the data to an SQL Server 2005 database. The Data Filter is responsible for data quality control and for estimating missing data and saving the filtered data. The Data Explorer is designed to provide web-based user access to the consolidated and filtered climatic data using both dropdown lists and map-based navigation.Three types of data are stored in the process: original climatic data in file format, parsed climatic data in SQL Server database, and filtered climatic data in SQL Server database. The resulting consolidated and filtered climatic database provides a common foundation that allows us to develop diversified applications that require dynamic access to near real-time data. A number of applications have been and are being developed that seamlessly access the foundation class climatic database. Collectively these applications address water conservation, crop production and management, land use suitability analysis, and bioenergy refinery site selection.     

一种基于空间数据仓库的作物信息多维数据模型

空间数据仓库(Spatial Data Warehouse)是GIS技术和数据仓库技术相结合的产物,它大大扩展了GIS的应用功能。本文探讨了空间数据仓库的特征、体系结构、关键技术;并从分析作物数据本身固有的特性出发,建立了基于空间数据仓库的具有多层维度和度量属性的作物信息共享数据模型,解决作物信息共享问题。     

基于MMF的数据结构的映射与恢复算法研究

本文介绍了利用Windows的存贮管理功能和内存映射文件的相关支持,实现数据结构的文件方式直接保存与恢复,大大节省了数据结构的重构时间。在程序涉及海量数据时可以实现小内存环境下运行,减少甚至避免了内存空间不足现象的产生,对同类问题极具参考性。     

基于GPRS农田数据采集系统设计与实现

本文讨论了基于GPRS技术实现农田远程数据采集系统的设计,主要介绍系统的框架结构及二作流程、数据采集现场总线结构、农田数据采集系统软件的设计与实现。目的是解决农业信息技术研究中的实时数据缺乏的问题,为农业决策、生产管理提供有效的数据支持。     

基于并行技术扩展数据仓库

数据仓库技术是数据库的发展，是进行决策支持的需要。在开始建立数据仓库的时候就要将其设计成可扩展的结构，这是由数据仓库中的海量的数据决定的。本文中采用并行技术来扩展数据仓库平台，通过使用群集技术来扩展数据仓库，较好地解决了数据的不断增长的问题，而且还获得了更高的性价比。     

图书馆数据挖掘技术研究综述

介绍了数据挖掘技术的基本概念及功能，并对数据挖掘技术应用于图书馆的研究现状进行了综述。     

基于大数据条件下的管道风险评估方法思考

过去几十年,管道风险评估技术得到快速发展,但依然沿袭传统的风险评估技术发展之路,在专家风险认知、事故概率统计等基础上,利用对外在风险认知程度对评估对象进行预测分析,其核心问题是风险评估的模型是基于有限的数据基础对整个系统进行评估的理念。随着管道发展到大数据时代,在实现管道属性相关数据对齐并纳入数据库的条件下,形成了管道大数据,在很多方面具备了＂样本=总体＂的基础,使风险评估技术及管理发生了相应转变。根据工程实践,初步论述了对管道大数据基本概念和定义的理解,探索和思考了在大数据条件下由工程适用性评估替代风险评估,依靠外因评估转变为依靠内因评估,以及风险专家评估转变为数据评估等方面的内容,同时提出了需要注意的问题和发展方向。（参13）