(45) 万方数据 1 华 中 科 技 大 学 硕 士 学 位 论 文 1 绪论 数据流挖掘（Data stream mining）是一个活跃的研究领域，相关概念在不久前被 研究者提出，是指对从大量连续生成的数据中发现知识的相关研究。
基于52个网页-相关网页
distributed data stream mining 分布式数据流挖掘
Study on Data Stream Mining 数据流挖掘研究
Research of Data Stream Mining 数据流挖掘研究
Stream data mining 流数据挖掘
mining data stream 数据流挖掘
Data stream mining is to extract useful information and knowledge which embed in the streaming data and previously unknown to users.
数据流挖掘即在流式数据上提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。
参考来源 - 数据流频繁项挖掘与聚类分析的研究·2,447,543篇论文数据，部分数据来源于NoteExpress
以上来源于: WordNet
Thus, it is important to research data stream mining algorithms having higher time and space efficiency, and to aim at resolving data mining tasks often used in system simulation.
因此，针对仿真中常用的数据挖掘任务，研究时空效率高效的相应数据流挖掘算法具有重要意义。
Frequent pattern mining is one basic research of data stream mining.
数据流频繁模式挖掘是数据流挖掘的基础研究之一。
Concept drift, as a difficult point in the field of data stream mining, is generated with the accompany of time-varying data streams.
概念漂移是数据流分类挖掘中的一个难点，它是伴随着数据流的时变性而产生的。
应用推荐