1. 数据挖掘技术算法分析
用的最多的应该是python和java吧，相对来说python入门简单，现在用的比较多
2. 数据挖掘算法介绍
是一种通过数理模式来分析企业内存储资料，找出客户和市场划分，分析喜好、行为的方法。
3. 数据挖掘与分析 概念与算法
数据挖掘的基本步骤是：1、定义问题；2、建立数据挖掘库；3、分析数据；4、准备数据；5、建立模型；6、评价模型；7、实施。
具体步骤如下：
1、定义问题
在开始知识发现之前最先的也是最重要的要求就是了解数据和业务问题。必须要对目标有一个清晰明确的定义，即决定到底想干什么。比如，想提高电子信箱的利用率时，想做的可能是“提高用户使用率”，也可能是“提高一次用户使用的价值”，要解决这两个问题而建立的模型几乎是完全不同的，必须做出决定。
2、建立数据挖掘库
建立数据挖掘库包括以下几个步骤：数据收集，数据描述，选择，数据质量评估和数据清理，合并与整合，构建元数据，加载数据挖掘库，维护数据挖掘库。
3、分析数据
分析的目的是找到对预测输出影响最大的数据字段，和决定是否需要定义导出字段。如果数据集包含成百上千的字段，那么浏览分析这些数据将是一件非常耗时和累人的事情，这时需要选择一个具有好的界面和功能强大的工具软件来协助你完成这些事情。
4、准备数据
这是建立模型之前的最后一步数据准备工作。可以把此步骤分为四个部分：选择变量，选择记录，创建新变量，转换变量。
5、建立模型
建立模型是一个反复的过程。需要仔细考察不同的模型以判断哪个模型对面对的商业问题最有用。先用一部分数据建立模型，然后再用剩下的数据来测试和验证这个得到的模型。有时还有第三个数据集，称为验证集，因为测试集可能受模型的特性的影响，这时需要一个独立的数据集来验证模型的准确性。训练和测试数据挖掘模型需要把数据至少分成两个部分，一个用于模型训练，另一个用于模型测试。
6、评价模型
模型建立好之后，必须评价得到的结果、解释模型的价值。从测试集中得到的准确率只对用于建立模型的数据有意义。在实际应用中，需要进一步了解错误的类型和由此带来的相关费用的多少。经验证明，有效的模型并不一定是正确的模型。造成这一点的直接原因就是模型建立中隐含的各种假定，因此，直接在现实世界中测试模型很重要。先在小范围内应用，取得测试数据，觉得满意之后再向大范围推广。
7、实施
模型建立并经验证之后，可以有两种主要的使用方法。第一种是提供给分析人员做参考；另一种是把此模型应用到不同的数据集上。
4. 数据挖掘与算法
这个题目的确是有点超出本科生能力，因为数据聚类算法很多，都不是很容易实现，更不用说在效果，效率上的分析，而且绝大多数算法的优缺点早就总结过了，也很难创新，我专业是数据挖掘，我在研究生期间都不做这样的论文
5. 数据挖掘算法综述
可以，说明原作者就行。综述是查阅了某一专题在一段时期内的相当数量的文献资料，经过分析研究，选取有关情报信息，进行归纳整理，作出综合性描述的文章。综述要"纵横交错"，既要以某一专题的发展为纵线，反映当前课题的进展;又要从本单位、省内、国内到国外，进行横的比较。只有如此，文章才会占有大量素材，经过综合分析、归纳整理、消化鉴别，使材料更精练、更明确、更有层次和更有逻辑，进而把握本专题发展规律和预测发展趋势。扩展资料：
1、让读者熟悉现有研究主题领域中有关研究的进展与困境；
2、提供后续研究者的思考，未来研究是否可以找出更有意义与更显著的结果；
3、对各种理论的立场说明，可以提出不同的概念架构，作为新假设提出与研究理念的基础，对某现象和行为进行可能的解释；
4、改进与批判现有研究的不足，推出另类研究，发掘新的研究方法与途径,验证其他相关研究。
6. 数据分析及数据挖掘技术
是一种统计或数据挖掘解决方案，包含可在结构化和非结构化数据中使用以确定未来结果的算法和技术。
可为预测、优化、预报和模拟等许多其他用途而部署，也可为规划流程提供各种信息，并对企业未来提供关键洞察。 ...
7. 数据挖掘的分析技术
数据挖掘：Data mining，又译为资料探勘、数据采矿。它是数据库知识发现（英语：Knowledge-Discovery in Databases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性（属于Association rule learning）的信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。 举例：爬虫软件就是简单的数据挖掘 数据分析：数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。 数据分析的数学基础在20世纪早期就已确立，但直到计算机的出现才使得实际操作成为可能，并使得数据分析得以推广。数据分析是数学与计算机科学相结合的产物。 举例：通过对大量数据的分析马云知道了杭州地区的女性的...
8. 数据挖掘的算法分析
可以使用UCI上的标准数据集 http://archive.ics.uci.edu/ml/ ，kdd上的也行 其次是你看文显时文中提到的可以获得的数据及集
9. 数据挖掘技术算法分析论文
在留学生论文的写作过程中，有的学生可能会写introduction部分和background部分，但是很多学生不知道怎么写methodology部分。其实methodology部分是research paper最重要部分，因为这个章节，你要告诉读者你是如何写进行研究的以及又是如何通过研究得出结论的。在methodology这个部分，你需要说明你为写这篇文章是如何进行数据和资料搜集的，以及搜集资料技术和方法。这意味着你需要对你进行的调查、数据发掘、采访及你所进行的实验进行解释。你还必须说明你搜集资料运用的一些方法是可行的，这样目的也是为了增加可信度。