4、聚類算法是數據挖掘算法中的重要解決方法。
8、本文討論了兩種數據挖掘算法：分類樹和羣集。
12、根據課題背景，給出一個針對時序數據的離羣數據挖掘算法的改進算法。
16、InfoSpherewarehouse幾乎包含目前所有數據挖掘算法的極爲高效的實現。
20、屬*約簡是數據挖掘預處理中非常重要的一步，它透過減少資訊的維數提高數據挖掘算法的效率。
24、一般來說，數據挖掘算法中涉及數據可以歸爲三種基本的數據類型：人口統計學數據、個體行爲數據、心理或態度數據。
28、這也是我想審慎地告訴大家的一點：有時候，將數據挖掘算法應用到數據集有可能會生成一個糟糕的模型。
32、受*券投資技術分析中移動平均指標的啓發，對我國股市進行預測時，使用了帶移動平均處理自變量的自組織數據挖掘算法。
5、與傳統的數據挖掘算法相比，多關係數據挖掘特有的複雜*對算法的*能提出了更高的要求。
10、傳統的數據挖掘算法是在數據庫的一張單一的表中查找模式。
15、本文把模糊集理論和傳統的關聯挖掘結合在一起，提出了一種模糊關聯數據挖掘算法。
21、設計了基於加權快速聚類的異常數據挖掘算法，以便能快速發現異常數據。
26、結合某汽車製造企業ERP系統的具體情況，編制程序實現了上述數據挖掘算法與ERP系統的整合。
31、本文主要討論如何在*一級代理過程中運用數據挖掘算法和技術對潛在客戶進行分類，以便能在開展業務的過程中有所針對*。
6、其次介紹了數據挖掘的相關問題以及主流的數據挖掘算法，並分析了各類算法的優缺點。
13、同時，由於糖尿病數據的連續*，選用了決策樹方法中的c4.5算法作爲數據挖掘算法。
19、面對大規模、高維的數據，如何建立有效的，可擴展的分類數據挖掘算法是數據挖掘研究的重要方向之一。
27、提出了一種基於動態規劃和動態時間彎折函數的數據挖掘算法，並應用該算法對股市進行技術分析。
2、對於當前數據挖掘算法，挖掘模型標誌“%1”無效
11、然後，總結了流數據挖掘算法的特點，並給出了算法中常用的技術。
22、介紹了人工智能領域最新的基於結構風險最小化原理的數據挖掘算法——支援向量機算法。
30、論文把分佈式數據挖掘算法運用於入侵檢測系統，研究了基於分佈式關聯規則算法的分佈式模式提取。
9、在研究多段支援度數據挖掘算法的基礎上提出並行挖掘相聯規則的算法。
23、只要遵循該平臺的數據模型接口和挖掘模型接口，新的數據挖掘算法可以很容易地集成到該平臺中去。
3、介紹了數據挖掘技術的背景、概念、流程、數據挖掘算法，並闡述了數據挖掘技術的應用現狀。
18、並具體分析比較了多種的典型聚類和決策樹數據挖掘算法。
7、傳統數據挖掘算法是面向關係數據庫和數據倉庫的，不能直接用於XML文檔的數據挖掘。
29、分類(也即分類樹或決策樹)是一種數據挖掘算法，爲如何確定一個新的數據實例的輸出創建逐步指導。
25、目的：探討帶先驗知識的支援向量機（P-SVM）數據挖掘算法在中醫*候資訊自動分類中的應用。
1、OLAM挖掘機制的核心是高效的數據挖掘算法。
17、實驗結果顯示了基於羣體智能的離羣數據挖掘算法的有效*。
14、提出了關鍵技術，包括：挖掘主題的定義方法、海量訓練樣本的在線生成和高*能數據挖掘算法。
