数据挖掘(数据挖掘)，简单来说就是从大量的数据中提取or挖掘知识。首先要明确的是数据挖掘object可以来自任何数据 source。经过适当的格式转换等预处理后，根据应用需求选择相应的算法。最常见的数据来源类型如下:关系型数据库型、数据仓库型、事务型数据库型、面向对象型数据库型。-3/图书馆，多媒体 数据图书馆，混合数据图书馆，历史数据图书馆，互联网信息。
2) 数据集成:即多源数据 is集成(可采用数据仓库技术)；3) 数据筛选:摘录数据与分析任务相关；4)数据Convert:数据转换或合并成适当的形式便于挖掘；5) 数据 挖掘:用智能的方法提取数据中隐藏的模式和知识；6)模式评估:按照一定的值标准对挖掘的结果进行评估；7)知识表达:可视化采用知识表达技术表达挖掘结果。
4、浅谈 数据 挖掘在情报学领域中的应用(新疆乌鲁木齐市新疆财经大学图书馆)摘要:介绍了数据 挖掘的含义及其与传统的数据分析的区别，探讨了其在情报研究领域的应用。关键词:数据挖掘；信息科学；信息检索；图书馆信息服务分类编号。:G350.7文件识别码:A货号:10076921 (2009) 07030302 1信息科学领域面临的问题1.1资源全球化可以说，互联网是世界上最大的信息资源库，资源类型多样，包括教育网站、虚拟图书馆、虚拟软件库等。，为收集所需信息提供了便利和可能。
另外，海量网络数据的出现，使得提取有用信息变得困难。1.2 数据呈现非结构化就大量的视频、音频、动画等非结构化数据而言，现有的搜索方式对这类数据并不有效。只有数据挖掘technology能够高效地检索、处理和分析海量结构化或非结构化数据。1.3信息需求的个性化需求的个性化使得传统的一对多的信息服务模式越来越不适应时代的要求。
5、 数据 挖掘概念综述数据 挖掘概念总结数据挖掘又名KDD(知识发现)来自数据图书馆、。KDD一词最早出现在1989年8月举行的第11届国际联合人工智能大会上。随后，在1991年、1993年和1994年召开了KDD研讨会，汇集了来自各个领域的研究人员和应用程序开发人员，重点讨论数据统计学、海量数据分析算法、知识表示和知识应用。
1998年在美国纽约召开的第四届知识发现和数据 挖掘国际会议，不仅进行了学术讨论，而且有30多家软件公司展示了他们的数据 挖掘软件产品，其中很多已经在北美和欧洲。一、数据 挖掘1.1、数据 挖掘的历史是什么近十年来，人们利用信息技术生产和收集数据的能力有了很大的提高。
文章TAG：可视化 挖掘 多媒体 数据 海量 多媒体数据挖掘 可视化
