邵（王争）[1]1999年在《数据挖掘在LMIS中的应用》文中认为计算机应用的飞速发展以及相关技术的成熟使得“数据丰富而知识缺乏”的问题急待解决。对这个问题的研究逐渐集中并最终引发了数据库知识发现(KDD)的产生。 KDD是一门新兴的交叉学科，主要涉及机器学习、统计学、数据库、专家系统以及数据可视化等多个学科领域。KDD的主要目的是要通过各种有效的挖掘方法从大量数据中找到潜在有用的信息，并利用它们对商业决策、科学观察以及信息检索提供强有力的支持。 本文介绍了KDD的一般概念、过程、几种重要的挖掘方法以及KDD的应用领域。通过对决策树算法的深入分析，我们围绕着C4.5决策树生成算法建立了一个分类预测系统并实现了与劳动力市场信息管理系统(LMIS)的集成。该系统可以根据用户对数据源的定义自动抽取数据、清理数据、生成决策树及其规则并对未知类别的数据进行预测。通过在LMIS数据库上的试运行，我们得到了满意的结果。 本文是对KDD应用的一次尝试，同时也看到了其应用的前景和潜力。
王越[2]2019年在《电子商务用户数据的知识融合研究》文中认为随着电子商务产业的迅速发展,网上购物成为了一种非常方便、快捷的购物方式。但是,面对网络上形形色色的各种商品,用户需要花费大量的时间和精力进行筛选,带来了不好的购物体验。目前,经过对电子商务用户数据挖掘分析制定的购物推荐系统已有许多,本文着重研究了基于D-S证据理论的知识融合,致力于解决在推荐系统中推荐一致性问题中的难点,快速、准确地向用户推荐符合需求的商品。
康明涛, 张峰, 梁源, 赵黎[3]2019年在《基于数据挖掘BLE指纹室内定位设计与实现》文中认为在复杂的室内环境中,为了满足高精度室内定位的需求,该文提出了一种基于BLE指纹技术的高精度室内蓝牙定位方法。该方法利用iBeacon不需要直流供电直接部署、体积小、功耗低等特性,以低功耗蓝牙智能手机终端作为指纹采集系统和定位媒介系统,通过获取iBeacon信号强度参数,建立蓝牙信号强度值离线指纹库。在线定位阶段,可通过手机终端获取附近iBeacon信号强度信息,与指纹库中的指纹信息进行对比。再通过使用位置指纹定位算法进行处理,最终确定被定位目标的位置信息。从系统测试结果来看,该系统的定位精度可以达到亚米级,可以满足室内环境下基于位置的服务基本需求。
张钊[4]2019年在《数据挖掘在网络管理中的应用分析》文中提出科学技术的不断进步使得每个行业都形成庞大的数据信息,可以采用数据挖掘实现对海量信息进行充分利用。本文主要对数据挖掘在网络管理中的应用进行分析,从而为企业的决策和科研提供有价值的数据信息
参考文献：
[1]. 数据挖掘在LMIS中的应用[D]. 邵（王争）. 中国科学院研究生院（计算技术研究所）. 1999
[2]. 电子商务用户数据的知识融合研究[J]. 王越. 计算机产品与流通. 2019
[3]. 基于数据挖掘BLE指纹室内定位设计与实现[J]. 康明涛, 张峰, 梁源, 赵黎. 自动化与仪表. 2019
[4]. 数据挖掘在网络管理中的应用分析[J]. 张钊. 中国新通信. 2019