科技资讯
科技資訊
과기자신
SCIENCE & TECHNOLOGY INFORMATION
2006年
8期
89-90
,共2页
数据挖掘(Data Mining)分类%聚类%海量数据%并行算法
數據挖掘(Data Mining)分類%聚類%海量數據%併行算法
수거알굴(Data Mining)분류%취류%해량수거%병행산법
数据挖掘是一个新兴的领域,在短短几年内得到迅速的发展.数据挖掘是一个跨学科的领域,涉及到数据库系统、统计学、数据可视化、信息检索和高性能的计算,其它有贡献的学科有神经网络、信号处理、空间数据库、图像数据库.数据挖掘汇集了很多学科的技术方法.随着存储数据量的不断增长,已有的方法面临着可扩展性和效率的挑战.在数据库研究领域中,有效的数据结构、索引和数据存储都将对高性能的数据挖掘有所贡献[3].
數據挖掘是一箇新興的領域,在短短幾年內得到迅速的髮展.數據挖掘是一箇跨學科的領域,涉及到數據庫繫統、統計學、數據可視化、信息檢索和高性能的計算,其它有貢獻的學科有神經網絡、信號處理、空間數據庫、圖像數據庫.數據挖掘彙集瞭很多學科的技術方法.隨著存儲數據量的不斷增長,已有的方法麵臨著可擴展性和效率的挑戰.在數據庫研究領域中,有效的數據結構、索引和數據存儲都將對高性能的數據挖掘有所貢獻[3].
수거알굴시일개신흥적영역,재단단궤년내득도신속적발전.수거알굴시일개과학과적영역,섭급도수거고계통、통계학、수거가시화、신식검색화고성능적계산,기타유공헌적학과유신경망락、신호처리、공간수거고、도상수거고.수거알굴회집료흔다학과적기술방법.수착존저수거량적불단증장,이유적방법면림착가확전성화효솔적도전.재수거고연구영역중,유효적수거결구、색인화수거존저도장대고성능적수거알굴유소공헌[3].
