因特网是一个巨大的, 分布广泛的信息服务中心, 其上产生的海量数据通常是地理上分布, 异构,
动态的, 复杂性也越来越高, 若用已有的集中式数据挖掘方法则不能满足应用的要求 …

云计算为存储和分析海量数据提供了廉价高效的解决方案, 云计算环境下的数据挖掘算法的研究
具有重要的理论意义和应用价值. 针对云计算环境下的关联规则挖掘算法展开研究 …

随着云计算时代的到来, 传统数据挖掘系统在海量数据的分析挖掘方面存在性能瓶颈.
文章提出了基于云计算的数据挖掘平台, 该平台与传统的数据挖掘系统架构相比有高可扩展性 …

物联网是一个巨大的, 分布广泛的物与物相连的网络, 其上产生的海量数据通常是与时间和空间
相关的, 具有动态, 异构, 分布的特性, 因此对这些数据的挖掘非常困难, 而且耗费时间和内存 …

随着信息技术和互联网的发展, 各种信息呈现爆炸性增长, 且包含丰富的知识.
从海量数据信息中挖掘得到有用的知识仍然是一个挑战性的课题. 近几十年来, 数据挖掘技术 …

基于单一节点的数据挖掘系统在挖掘Web 海量数据源时存在计算瓶颈, 针对该问题,
利用云计算的分布式处理和虚拟化技术的优势, 设计一种基于云计算的Hadoop 集群框架的Web …

针对单一CPU 节点的Web 数据挖掘系统在挖掘Web 海量数据源时存在的计算瓶颈问题,
利用云计算的分布式处理和虚拟化技术优势以及蚁群算法并行性的优点, 设计一种基于Map …

开发了一个基于云计算的并行分布式大数据挖掘平台——PDMiner. PDMiner
实现了各种并行数据挖掘算法, 如数据预处理, 关联规则分析以及分类, 聚类等算法 …

在挖掘大型数据库的关联规则时, 使用并行计算是必需的. 针对传统的并行计算,
存在不能处理节点失效, 难以处理负载均衡等问题, 提出基于Hadoop 架构实现并行关联规则 …

数据挖掘算法处理海量数据时, 扩展性受到制约. 在商业和科学研究的各个领域,
知识发现的过程和需求差异较大, 需要有效的机制来设计和运行各种类型的分布式数据挖掘应用 …