期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

数据流挖掘的关键问题研究

Researching on Data Stream Mining's Key Issue
下载PDF
导出
摘要 针对数据流的挖掘,从数据流概念入手,系统的分析了数据流挖掘中的关键技术,包括数据流聚类技术、数据流分类技术和数据流频繁模式挖掘技术。清晰的了解数据流挖掘技术,并能更加深入的研究相关技术。 This essay focuses on the data stream mining and analyses its key technology starting with the data stream concept.This includes clustering technology,data stream classifying and frequent data stream mining technology.we have a clear understanding on the data stream mining technology and make deeper research in its related fields.
作者 薛小锋
机构地区 江苏技术师范学院计算机工程学院
出处 《煤炭技术》 CAS 北大核心 2010年第12期165-166,共2页 Coal Technology
基金 江苏技术师范学院青年科研基金 编号(KYY09037) 江苏省高校自然科学研究计划项目(08KJD520006)
关键词 信息技术 数据流 数据挖掘 information technology data stream data mining
分类号 TP181 [自动化与计算机技术—控制理论与控制工程]
  • 相关文献

参考文献3

二级参考文献54

  • 1杨宜东,孙志挥,张净.基于核密度估计的分布数据流离群点检测[J].计算机研究与发展,2005,42(9):1498-1504. 被引量：8
  • 2钱江波,徐宏炳,董逸生,王永利,刘学军,杨雪梅.基于最小生成树的数据流窗口连接优化算法[J].计算机研究与发展,2007,44(6):1000-1007. 被引量：3
  • 3Ester. M. Kriegel, H.-P, Sander, J.et al. A density-based algorithm for discovering clusters in large spatial databases withnoise. In:Simoudis. E.. Han J., Fayyad, U.M., eds. Proceedings of the 2nd InternationalConference on Knowledge Discovery and Data Mining. Portland, Oregon: AAAI Press, 1996.226-231.
  • 4Zhou. B. Cheung, D., Kao, B. A fast algorithm for density-based clustering. In:Zhong, N.. Zhou, L., eds. Methodologies for Knowledge Discovery and Data Mining, the 3rdPacific-Asia Conference. Berlin: Springer, 1999. 338～349.
  • 5Agrawal. R.. Gehrke J., Gunopolos, D., Raghavan, P. Automatic subspace clusteringof high dimensional data for data mining application. In: Haas, L.M.. Tiwary, A., eds.Proceedings of the ACM SIGMOD International Conference on Management of Data.Seattle.Washington, USA: ACM Press, 1998.94～105.
  • 6Schikuta. E. Grid clustering: an efficient hierarchical clustering method for verylarge data sets. In: Proceedings of the 13th International Conference on PatternRecognition. IEEE Computer Society Press, 1996. 101 ～105.
  • 7Ester. M. Kriegel, H.-P. Sander, J. et. al. Incremental clustering for mining in adata warehousing environment. In: Gupta, A.,Shmueli. O., Widom. J., eds. Proceedings ofthe 24th International Conference on Very Large Data Bases. New York: Morgan KaufmannPublishers Inc.. 1998. 323-333.
  • 8Aggarwal CC,Han J,Wang J,Yu PS.A framework for clustering evolving data streams.In:Freytag JC,Lockemann PC,Abiteboul S,Carey MJ,Selinger PG,Heuer A,eds.Proc.of the Int'l Conf.on Very Large Data Bases.Berlin:Morgan Kaufmann Publishers,2003.81-92
  • 9Chalaghan LO,Mishra N,Meyerson A,Guha S.Streaming data algorithms for high-quality clustering.In:Proc.of the 18th Int'l Conf.on Data Engineering.San Jose,2002.685-694.http://doi.ieeecomputersociety.org/10.1109/ICDE.2002.994785
  • 10Domingos P,Hulten C.Mining high-speed data streams.In:Proc.of the KDD.2000.http://citeseer.ist.psu.edu/domingos00mining.html

共引文献140

煤炭技术
2010年 第12期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部