| 序号 | 专利名 | 申请号 | 申请日 | 公开（公告）号 | 公开（公告）日 | 发明人 |
|---|---|---|---|---|---|---|
| 1 | 牙齿数据挖掘 | CN200580013587.9 | 2005-02-22 | CN1973291A | 2007-05-30 | 郭忆超; 菲利普·德斯梅德特; 库翁·万源; 克里斯托弗·W·奥弗顿 |
| 披露了一种系统和方法，其提供数据库，该数据库包括病人治疗史、正牙治疗、正牙信息和诊断中的至少一个的概要；采用数据挖掘技术用于询问所述数据库以产生输出数据流，输出数据流将病人牙齿错位咬合与正牙治疗相关联；以及应用输出数据流以改善牙齿矫正器或牙齿矫正器使用。 | ||||||
| 2 | 牙齿数据挖掘 | CN200580013587.9 | 2005-02-22 | CN1973291B | 2010-09-01 | 郭忆超; 菲利普·德斯梅德特; 库翁·万源; 克里斯托弗·W·奥弗顿 |
| 披露了一种系统和方法，其提供数据库，该数据库包括病人治疗史、正牙治疗、正牙信息和诊断中的至少一个的概要；采用数据挖掘技术用于询问所述数据库以产生输出数据流，输出数据流将病人牙齿错位咬合与正牙治疗相关联；以及应用输出数据流以改善牙齿矫正器或牙齿矫正器使用。 | ||||||
| 3 | 数据挖掘方法 | CN201310665357.7 | 2013-12-10 | CN104699717B | 2019-01-18 | 王骏; 杨鸿超 |
| 本发明提出了数据挖掘方法，所述方法包括：根据目标数据集中的记录统计每个目标对象的特征向量以构成粗糙数据集，每个所述特征向量包括其所对应的目标对象的至少一个属性数据的值；从所述粗糙数据集中筛选出所有已知的第一类目标对象所对应的特征向量，并对筛选出的特性向量执行过滤操作以获得样本；基于所述样本构建回归模型，并随之使用所构建的回归模型确定所有已知的第二类目标对象中的每个是否潜在地属于第一类目标对象。本发明所公开的数据挖掘方法能够根据目标对象的综合特征来挖掘和分类目标对象。 | ||||||
| 4 | 数据挖掘方法 | CN201310665357.7 | 2013-12-10 | CN104699717A | 2015-06-10 | 王骏; 杨鸿超 |
| 本发明提出了数据挖掘方法，所述方法包括：根据目标数据集中的记录统计每个目标对象的特征向量以构成粗糙数据集，每个所述特征向量包括其所对应的目标对象的至少一个属性数据的值；从所述粗糙数据集中筛选出所有已知的第一类目标对象所对应的特征向量，并对筛选出的特性向量执行过滤操作以获得样本；基于所述样本构建回归模型，并随之使用所构建的回归模型确定所有已知的第二类目标对象中的每个是否潜在地属于第一类目标对象。本发明所公开的数据挖掘方法能够根据目标对象的综合特征来挖掘和分类目标对象。 | ||||||
| 5 | 病人数据挖掘 | CN02822042.0 | 2002-11-04 | CN100449531C | 2009-01-07 | R·B·劳; S·桑迪尔亚; C·阿米斯; R·S·尼库莱斯库; A·K·格尔; T·R·瓦里克 |
| 本发明为挖掘高质量结构化的临床信息提供了一种数据挖掘框架。该数据挖掘框架包括数据挖掘器(350)，它根据知识库(330)中包含的领域专用的知识从计算机化的病人记录(CPR)(310)挖掘医疗信息。数据挖掘器(350)包括用于从CPR提取信息的部件，随时间以有原则的方式组合所有可用证据的部件(354)，以及从这个组合过程做出推理的部件(356)。所挖掘的医疗信息被存储在结构化的CPR(380)中，该CPR可以是一个数据仓库。 | ||||||
| 6 | 病人数据挖掘 | CN02822042.0 | 2002-11-04 | CN1582443A | 2005-02-16 | R·B·劳; S·桑迪尔亚; C·阿米斯; R·S·尼库莱斯库; A·K·格尔; T·R·瓦里克 |
| 本发明为挖掘高质量结构化的临床信息提供了一种数据挖掘框架。该数据挖掘框架包括数据挖掘器(350)，它根据知识库(330)中包含的领域专用的知识从计算机化的病人记录(CPR)(310)挖掘医疗信息。数据挖掘器(350)包括用于从CPR提取信息的部件，随时间以有原则的方式组合所有可用证据的部件(354)，以及从这个组合过程做出推理的部件(356)。所挖掘的医疗信息被存储在结构化的CPR(380)中，该CPR可以是一个数据仓库。 | ||||||
| 7 | 数据挖掘方法 | PCT/CN2014/093430 | 2014-12-10 | WO2015085916A1 | 2015-06-18 | 王骏; 杨鸿超 |
本发明提出了数据挖掘方法，所述方法包括：根据目标数据集中的记录统计每个目标对象的特征向量以构成粗糙数据集，每个所述特征向量包括其所对应的目标对象的至少一个属性数据的值；从所述粗糙数据集中筛选出所有已知的第一类目标对象所对应的特征向量，并对筛选出的特性向量执行过滤操作以获得样本；基于所述样本构建回归模型，并随之使用所构建的回归模型确定所有已知的第二类目标对象中的每个是否潜在地属于第一类目标对象。本发明所公开的数据挖掘方法能够根据目标对象的综合特征来挖掘和分类目标对象。 |
||||||
| 8 | 数据挖掘方法以及数据挖掘装置 | CN201710649156.6 | 2017-08-02 | CN107391728A | 2017-11-24 | 李俊涛 |
| 本发明公开了一种数据挖掘方法以及数据挖掘装置，涉及大数据领域。本发明中首先基于成本属性对成本向量进行聚类，针对某种或某些成本属性的成本相近的成本向量被划分为一类，再根据聚类的结果和以及各个成本向量与零向量的距离选取部分成本向量进行重复聚类，采用迭代的聚类方式逐渐舍弃部分成本向量，保留距离代表成本最低的零向量的更接近的成本向量，并且使得保留的成本向量对于各种成本属性的成本均衡，从而最终筛选出最优方案。本发明的方法可以为用户选取各方面成本较为均衡并且总成本最低的出行方案，提升用户体验。 | ||||||
| 9 | 一种数据挖掘方法及数据挖掘系统 | CN201410219319.3 | 2014-05-22 | CN103995873B | 2017-03-15 | 刘艳秋; 王小虎; 王春影; 胡婷; 丁健生; 闻喆; 王旭 |
| 本发明公开了一种数据挖掘方法即数据挖掘系统，包括以下步骤：A、数据分隔；B、数据筛选；C、数据迭代处理；D、数据归一化；E、结果判断。本发明能够解决现有技术的不足，通过优化数据处理流程，显著提高了对于大数据量的数据挖掘的处理速度。 | ||||||
| 10 | 数据挖掘系统及数据挖掘方法 | CN201210369692.8 | 2012-09-27 | CN103699550A | 2014-04-02 | 赫南; 姚伶伶; 王迪; 苏麒匀; 孙国政 |
| 本发明涉及数据挖掘系统及数据挖掘方法，其中数据挖掘系统包括：数据源整合模块、存储模块、挖掘模块以及输出模块；数据源整合模块用于对用户提交给搜索引擎的查询词与预先存储的购买词进行相关性匹配，以形成查询词和购买词之间关联关系对应的至少一种数据源；存储模块利用各数据源的查询词、购买词之间的关联关系，在查询词、购买词之间建立图的存储结构；挖掘模块基于图的存储结构构建网络拓扑关系图，并作基于图的数据挖掘；输出模块根据用户输入的不同应用需求，将数据挖掘的结果进行输出以使用户对所述输出结果进行选择，从而触发输出信息的展示。本发明能够从多视图、多粒度对业务数据进行分析。 | ||||||
| 11 | 一种数据挖掘方法及数据挖掘系统 | CN202210844858.0 | 2022-07-18 | CN115098784A | 2022-09-23 | 李圣刚; 赵建芳; 郑建梅 |
| 本发明公开了一种数据挖掘方法及数据挖掘系统，涉及大数据处理技术领域，解决了现有技术在数据挖掘过程中，数据处理量巨大，导致数据挖掘效率低，不利于数据挖掘程序移植的技术问题；本发明中数据分析模块获取挖掘需求之后，结合数据采集模块对基础数据进行层层筛选并构建目标知识图谱，再根据预设条件从目标知识图谱中检索数据，以完成数据挖掘，能够减少大量数据挖掘过程中的数据处理量，提高数据挖掘效率的同时方便移植；本发明在数据库更新时，会对目标知识图谱进行更新，保证数据挖掘所获取数据的时效性和准确性；在挖掘的数据与预期不符时，灵活调节挖掘类型和设定条件，能够保证挖掘的数据尽可能符合预期。 | ||||||
| 12 | 数据挖掘系统及数据挖掘方法 | CN202210480342.2 | 2022-04-28 | CN114969249A | 2022-08-30 | 韩岭; 蔡进; 胥传龙; 李明 |
| 本发明涉及数据挖掘领域，具体涉及数据挖掘系统及数据挖掘方法，通过对用户的访问行为数据的挖掘；确定用户的购买迟疑程度以及计算用户对已购目标产品的倾向程度；基于已购目标产品的倾向程度、购买迟疑程度以及支付时间长度，计算任意两两用户的行为差异性，得到不同类别的用户群体；同时引入用户群体中任意两用户的历史设定时间内对已购目标产品的查询次数以及滑动速度构成的用户行为向量以及对应的评价特征码，计算任意两两用户之间的邻域距离，基于各用户对应的所有邻域距离，并计算该用户的偏向程度，进而获取各用户群体中偏向程度最大与最小对应的状态向量，确定推送的产品。即本发明的方案能够为网购平台的优化提供依据。 | ||||||
| 13 | 数据挖掘方法以及数据挖掘装置 | CN201710649156.6 | 2017-08-02 | CN107391728B | 2020-07-31 | 李俊涛 |
| 本发明公开了一种数据挖掘方法以及数据挖掘装置，涉及大数据领域。本发明中首先基于成本属性对成本向量进行聚类，针对某种或某些成本属性的成本相近的成本向量被划分为一类，再根据聚类的结果和以及各个成本向量与零向量的距离选取部分成本向量进行重复聚类，采用迭代的聚类方式逐渐舍弃部分成本向量，保留距离代表成本最低的零向量的更接近的成本向量，并且使得保留的成本向量对于各种成本属性的成本均衡，从而最终筛选出最优方案。本发明的方法可以为用户选取各方面成本较为均衡并且总成本最低的出行方案，提升用户体验。 | ||||||
| 14 | 数据挖掘系统及数据挖掘方法 | CN201210369692.8 | 2012-09-27 | CN103699550B | 2017-12-12 | 赫南; 姚伶伶; 王迪; 苏麒匀; 孙国政 |
| 本发明涉及数据挖掘系统及数据挖掘方法，其中数据挖掘系统包括：数据源整合模块、存储模块、挖掘模块以及输出模块；数据源整合模块用于对用户提交给搜索引擎的查询词与预先存储的购买词进行相关性匹配，以形成查询词和购买词之间关联关系对应的至少一种数据源；存储模块利用各数据源的查询词、购买词之间的关联关系，在查询词、购买词之间建立图的存储结构；挖掘模块基于图的存储结构构建网络拓扑关系图，并作基于图的数据挖掘；输出模块根据用户输入的不同应用需求，将数据挖掘的结果进行输出以使用户对所述输出结果进行选择，从而触发输出信息的展示。本发明能够从多视图、多粒度对业务数据进行分析。 | ||||||
| 15 | 数据挖掘系统以及数据挖掘方法 | CN201010540598.5 | 2010-11-11 | CN102467530A | 2012-05-23 | 潘日虎; 励建东; 张曙晖; 张亮; 曹必涛 |
| 本发明公开了一种数据挖掘系统，其包括多个ECU，ECU通过CAN总线连接并构成CAN网络，该数据挖掘系统还包括数据挖掘终端，该数据挖掘终端通过CAN总线接入该CAN网络中，用于挖掘CAN网络中符合用户预设条件的数据。本发明还公开了一种数据挖掘方法。本发明从实际应用中提取客观需要的数据的角度着手，使得CAN网络内部和外界可以进行基于配置的按条件获取与控制，为封闭的CAN网络打开了一条广阔的数据获取与控制通道。本发明的数据挖掘方法尤其适用于对CAN通信网络的远程数据挖掘，为全面监控车辆状况、科学决策、及时响应提供可靠的手段。 | ||||||
| 16 | 一种数据挖掘方法和数据挖掘系统 | CN202211286378.3 | 2022-10-20 | CN115617872A | 2023-01-17 | 张亦含; 沈敏 |
| 本发明公开了一种数据挖掘方法和数据挖掘系统，涉及数据挖掘技术领域，包括构建数据挖掘系统，采集数据信息，识别其中的数据质量，进行初步筛分的同时进行安全阻拦，本发明在进行使用时，通过构建数据挖掘系统，形成完整的流程，采集数据信息，识别其中的数据质量，进行初步筛分的同时进行安全阻拦，对采集数据进行数据预处理，同时建立视图，进行模型训练，对模型的效果进行评价，集成形成的数据仓库的数据上应用数据挖掘的算法,挖掘出频繁页面集，决定后续的数据挖掘的步骤并做出相应的调整，缩短了整体周期，对数据挖掘时及相应的分挖掘结果进行管理、可视化和存储，提高挖掘数据管理的智能化水平，同时提高了使用时的整体安全性。 | ||||||
| 17 | 数据挖掘系统及数据挖掘方法 | CN202210480342.2 | 2022-04-28 | CN114969249B | 2022-12-20 | 韩岭; 蔡进; 胥传龙; 李明 |
| 本发明涉及数据挖掘领域，具体涉及数据挖掘系统及数据挖掘方法，通过对用户的访问行为数据的挖掘；确定用户的购买迟疑程度以及计算用户对已购目标产品的倾向程度；基于已购目标产品的倾向程度、购买迟疑程度以及支付时间长度，计算任意两两用户的行为差异性，得到不同类别的用户群体；同时引入用户群体中任意两用户的历史设定时间内对已购目标产品的查询次数以及滑动速度构成的用户行为向量以及对应的评价特征码，计算任意两两用户之间的邻域距离，基于各用户对应的所有邻域距离，并计算该用户的偏向程度，进而获取各用户群体中偏向程度最大与最小对应的状态向量，确定推送的产品。即本发明的方案能够为网购平台的优化提供依据。 | ||||||
| 18 | 一种数据挖掘系统以及数据挖掘方法 | CN202010674299.4 | 2020-07-14 | CN111813834A | 2020-10-23 | 孙利; 李云松; 张芸; 刘东旭; 陈银燕 |
| 本发明公开了一种数据挖掘系统，包括大数据库，大数据库的输出端连接有数据采集模块，数据采集模块的输出端连接有数据读取模块，数据读取模块的输出端连接有数据检验模块，数据检验模块的输出端连接有数据挖掘模块，数据挖掘模块的输出端连接有数据验证模块，数据推送模块的输出端连接有网络传输端口，本发明的有益效果是通过设有的数据检验模块、数据筛选模块和数据验证模块，通过数据检验模块以及数据筛选模块对提取读取的数据信息进行识别筛选，去除数据信息中的无效数据以及其他数据，降低数据挖掘模块的计算量，提高数据挖掘模块的运行效率，同时通过数据验证模块对挖掘的信息进一步的验证，保证数据的可靠性依据有效性。 | ||||||
| 19 | 一种数据挖掘方法及数据挖掘系统 | CN201410219319.3 | 2014-05-22 | CN103995873A | 2014-08-20 | 刘艳秋; 王小虎; 王春影; 胡婷; 丁健生; 闻喆; 王旭 |
| 本发明公开了一种数据挖掘方法及数据挖掘系统，包括以下步骤：A、数据分隔；B、数据筛选；C、数据迭代处理；D、数据归一化；E、结果判断。本发明能够解决现有技术的不足，通过优化数据处理流程，显著提高了对于大数据量的数据挖掘的处理速度。 | ||||||
| 20 | 数据挖掘方法和数据挖掘系统 | CN200910077661.3 | 2009-02-10 | CN101799809B | 2011-12-14 | 徐萌; 邓超; 高丹; 罗治国; 周文辉; 郑诗豪; 沈亚飞; 陈磊 |
| 本发明公开了数据挖掘方法及数据挖掘系统，本发明方法包括：设置数据挖掘的工作流，所述工作流中包括多个并行的数据处理任务；启动所述工作流，并在所述多个并行的数据处理任务被触发时，为其中的每个数据处理任务分配执行节点，以使所述多个并行的数据处理任务在分配的执行节点上并行执行；以及，所述执行节点在执行每个数据处理任务时，通过Map/Reduce机制将数据处理任务分配给并行执行的Map任务进行处理，将该数据处理任务对应的各Map任务的处理结果通过相应的Reduce任务进行合并处理得到相应数据处理任务的处理结果。采用本发明，可提高数据挖掘效率。 | ||||||
QQ群二维码
意见反馈
意见反馈