文档介绍：数据挖掘在商务智能决策与CRM中的应用
数据挖掘(知识发现)新进展
数据挖掘在商务智能决策中的应用
数据挖掘在CRM中的应用
第一部分数据挖掘(知识发现)新进展
五、研究动态与趋向
一、数据挖掘(知识发现)概念内涵与外延的发展
二、挖掘知识类型的扩展
三、挖掘技术方法的扩展
四、应用的扩展
一、数据挖掘(知识发现)概念内涵与外延的发展
结构化数据挖掘
DM(KDD)
多媒体数据构成的大型异质异构数据库,称为复杂数据类型挖掘CDM
[动态(在线)-分布式-并行系统]
Web:
1、以文本为主的页面内容挖掘
2、以客户访问信息为主
3、以Web结构为主
多媒体:音频、视频、图像、图形、时序、空间等
基于知识库的知识发现KDK
知识发现的新定义:
在现实世界中,针对客观存在的具有海量性、不确定性、不完全性的量的、质的、复杂形态的知识源,挖掘其中潜在的、先前未知的、用户感兴趣的、最终可被用户理解的模式的非平凡提取过程。
二、挖掘知识类型的扩展
扩展
扩展
关联规则、分类、聚类、相似模式、
混沌模式、时序模式、预测等
文本、客户访问路径、音频、视频……
生物信息挖掘、游戏信息挖掘、
XML文档、多语言文本挖掘、
图表数据库、分子结构数据库等
三、挖掘技术方法的扩展
扩展
统计学(数理统计)、证据理论、
机器学习、神经网络、粗糙集、
近似推理、小波、分形、概念格、
概念树提升、决策树等
Hilbert空间、信息融合与
神经网络结合、距离测度函数、
数据立方体、隐马尔可夫模型、信息熵、
主观Bayes方法、信息扩散等
四、应用的扩展
金融、医疗保健、市场业、零售业、
制造业、工程与科学、经纪业和安全交易、
证券交易、瑕疵分析、政府和防卫、电信、
司法、企业经营管理等等
应用领域扩展
、农业、气象、远程教育、
天文学、生物信息、地理信息等等
Marksman、Think Machine、
DataMind、Intelligent Miner、
KnowledgeSEEKER、等等
实例和软件的扩展
MSMiner、KDD*、KDK*、
KD(D&K)等等
五、研究动态与趋向
目前国际上KDD的研究主要是以知识发现的任务描述、知识评价与知识表示为主线,有效的知识发现算法为中心。这是在相当长的一段时间内保持的主流
与基调。