共查询到20条相似文献,搜索用时 140 毫秒
1.
2.
3.
生物特征识别技术概述 总被引:4,自引:0,他引:4
生物特征识别技术是利用人的生理特征或行为特征,来进行个人身份的鉴定.文章论述了现有的各种生物特征识别技术的原理、特征、应用的优缺点,介绍了生物特征识别技术的标准化工作和发展趋势. 相似文献
4.
5.
随着科技的进步和社会的发展,不同领域不同种类的信息数量迅速增加,面对这些海量的,存储形式各异的数据资料,数据挖掘技术则脱颖而出成为从这些数据中发掘有用信息的有效方法。目前,数据挖掘技术已不断的应用于不同的领域,本文主要对会计舞弊识别中运用该方法的相关研究进行了回顾与评述,并分析了数据挖掘方法在识别会计舞弊中的优势和未来的应用前景。 相似文献
6.
生物信息数据挖掘应用研究 总被引:1,自引:0,他引:1
生物信息学是以计算机为工具对生物信息进行存储、检索和分析的科学。人类基因组计划的启动和实施使得生物数据迅速增长,如何从海量数据中获取有效信息成为生物信息学迫切要解决的问题。数据挖掘技术应用于生物信息分析成为当前的研究热点。文中介绍了数据挖掘技术和常用的生物信息处理软件,重点研究生物信息数据挖掘的典型应用,研究表明数据挖掘技术是生物信息处理的强有力工具。 相似文献
7.
8.
9.
10.
《科技通报》2015,(10)
通过挖掘生物信息大数据,从生物信息大数据库中提取感兴趣的数据特征,分析生物信息大数据集的细节结构,提高对生物信息的采集、处理、存储、传播,分析能力。传统的生物信息大数据挖掘模型采用基于小波多窗谱提取的生物信息挖掘算法,由于生物特征的属性权重需求各异,数据挖掘精度不高,提出一种基于梯度采样局部收敛的生物信息大数据挖掘模型。首先构建生物信息大数据库模型和生物信息特征挖掘实体模型,采用提取采样局部收敛方法实现对数据挖掘模型的改进,通过求解最优输入控制序列以及索引系统最优目标函数,实现系统的控制输入和预测,使用梯度采样局部收敛的方法进行生物信息大数据挖掘检测,得到生物信息大数据的梯度采样局部收敛属性集合。仿真结果表明,能实时准确地实现对生物信息的储存、检索和分析,提高数据挖掘能力,收敛精度较高。 相似文献
11.
通过对数据仓库及数据挖掘概念的阐述,以及数据挖掘技术在情报学领域的应用研究历史和现状分析,试图表明数据挖掘技术在情报学领域的应用研究成果及存在的问题,这对认清其发展趋势,很有必要。 相似文献
12.
Web数据挖掘与高校数字图书馆个性化服务 总被引:2,自引:0,他引:2
针对高校数字图书馆个性化服务的实现,首先介绍Web数据挖掘和个性化服务的相关概念及特点,再详细叙述Web日志挖掘的相关算法及过程,最后指出Web数据挖掘是高校数字图书馆进行个性化服务的主要途径. 相似文献
13.
数据挖掘作为一种系统地检查和理解大量数据的工具,能有效地帮助房地产企业从不断积累与更新的数据中提取有价值的信息。从数据挖掘在房地产行业中的市场研究价值入手,介绍了微软BI架构及SQL2005的新特性。分析了数据挖掘在房地产市场研究尤其是客户信息中的应用,使用基于兴趣度的关联规则分析方法,建立一套基于客户分类的关联规则。 相似文献
14.
粗糙集理论是一种处理不确定和不精确问题的新型数学工具,为数据挖掘提供了一条崭新的途径。本文阐述了粗糙集理论及其在数据挖掘中的应用。 相似文献
15.
网络信息挖掘是目前数据挖掘领域中的一个很重要的研究领域,文章首先介绍网络信息挖掘所面临的问题,然后概要介绍了网络信息挖掘的步骤、分类,及在三个研究领域的挖掘技术及发展,最后简单阐述了网络信息挖掘的应用前景。 相似文献
16.
以数据挖掘提升客户关系管理 总被引:1,自引:0,他引:1
客户关系管理正逐渐成为现代企业的焦点,数据挖掘(DM)技术是客户关系管理(CRM)中的核心技术之一。介绍了数据挖掘的实现过程,将DM与企业管理中的CRM相结合,将帮助企业更好地了解客户行为,做出正确的决策,使CRM战略得到有效实施,提高企业核心竞争力。 相似文献
17.
基于J2EE的Web数据挖掘系统框架评价体系研究 总被引:1,自引:0,他引:1
本文简要介绍了Web挖掘的概念以及数据挖掘技术与算法,阐述数据挖掘系统结构,并对其框架及实现方法进行了探讨,讨论基于J2EE平台的MVC设计框架下Web数据挖掘系统体系结构。最后将对系统进行评价分析。 相似文献
18.
简要介绍了Web挖掘的概念以及功能,阐述数据挖掘系统结构,并对其体子框架及实现方法进行了探讨,最后给出基于分布计算J2EE平台的Web挖掘系统逻辑结构。从而系统将打破制约信息系统开发的瓶颈,提高客户数据挖掘的效率。 相似文献
19.
对数据挖掘和数据仓库技术在个人信用系统中的应用做研究,构建多维信用系统数据仓库与信用评估模型并实现相关算法。 相似文献
20.
《中国科学院院刊(英文版)》2004,18(4):203-204
The CAS Symposium on Data Mining and Knowledge Management was held from July 12 to 14 in Beijing. 相似文献