作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在面对海量数据源如何进行有效数据的查询与分析,数据挖掘技术对发现和挖掘海量数据的规律和模式有着独特的优势。本文简要介绍了当前数据挖掘过程与算法,并对未来研究方面进行了探讨。
推荐文章
数据挖掘算法研究
数据挖掘
关联规则
分类算法
聚类算法
数据挖掘中聚类算法研究
数据挖掘
聚类
SOM
网点选址数据挖掘算法研究
网点选址
数据挖掘
预测模型
分类预测
数值预测
基于数据挖掘的聚类算法研究
聚类
数据挖掘
支持向量聚类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 数据挖掘算法和研究方向
来源期刊 办公自动化(学术版) 学科 工学
关键词 数据挖掘 挖掘过程 挖掘算法研究方向
年,卷(期) 2014,(8) 所属期刊栏目 综述?研究
研究方向 页码范围 33-34,56
页数 3页 分类号 TP301.6
字数 1674字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 丁秀玲 3 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (91)
参考文献  (2)
节点文献
引证文献  (3)
同被引文献  (23)
二级引证文献  (7)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(5)
  • 引证文献(0)
  • 二级引证文献(5)
2019(2)
  • 引证文献(1)
  • 二级引证文献(1)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
数据挖掘
挖掘过程
挖掘算法研究方向
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
办公自动化(学术版)
月刊
chi
出版文献量(篇)
5166
总下载数(次)
7
总被引数(次)
7424
论文1v1指导