基于预测的城市交通控制系统设计与开发

针对ITS的交通控制子系统这一热点研究领域,讨论了基于预测的城市交通控制系统的设计与开发.介绍了目前国内外城市智能交通控制系统的发展现状与发展趋势.给出了基于数据挖掘的单点和路网短时交通流预测技术的设计流程.进而提出了基于数据挖掘的网络交通流预测方法.并在此基础上提出了所开发的城市交通控制系统的开发原理与系统结构.     

自组织组合预测方法及其应用

本文基于自组织数据挖掘的理论与方法，提出了自组织组合预测法，与一些常见的组合预测方法比较，该方法不仅改善了对数据样本的拟合精度，而且显著提高了模型的预测能力。实证分析证实了这一结论。     

基于信息熵的多属性决策方法在商品住宅价格中的研究

在市场经济条件下,房地产价格在房地产经济发展和房地产经济运行中有着重要的功能和作用,因此,对房价变动的预测以及如何能够合理制定房价,显得尤为重要。价格的预测,究其本质,是一种体现在数值上的决策活动,本文结合了多属性综合决策模型与回归分析对房价进行了预测研究。通过选取影响房价的部分宏观因素,建立基于熵的多属性综合决策模型,得到各因素与房价之间的关系,并通过回归分析,对房价进行预测。     

数据挖掘在我国商业银行信用风险度量模型中的应用

基于数据挖掘的银行客户管理信息系统就是银行利用数据挖掘技术，通过有效充分的数据挖掘，将银行客户资料作不同角度的分析，从中对客户进行定位分类，明确客户的消费倾向与消费模式，预测客户的风险性，从而实现与银行信用风险度量系统的结合。     

基于自组织数据挖掘的电子商务客户流失预测模型

为解决电子商务客户流失预测中的高维、非线性问题,本文将自组织数据挖掘理论(SODM)引入客户流失预测,提出一种新颖的基于自组织数据挖掘的电子商务客户流失预测模型。该方法将自组织数据挖掘中的客观系统分析算法(OSA)和改进分组数据处理网络(GMDH)集成起来进行电子商务客户流失预测。首先利用OSA算法选择出重要的电子商务客户流失关键属性,然后将训练样本送入改进GMDH网络进行学习和训练,进而对测试样本客户流失状态进行判别。将该方法应用于某网上商店客户流失预测实证分析,预测结果验证了该方法对包含多种因素影响的电子商务客户流失预测具有优势,基于自组织数据挖掘的电子商务客户流失预测模型具有较强的实用性和可操作性。     

基于SQL SERVER 2000的数据挖掘方案研究

微软SQL SERVER 2000第一次包含了数据挖掘功能，微软的数据挖掘解决方案是基于一个称为OLE DB for Data Mining规范的工业标准，它是由微软提出并且由众多数据挖掘公司支持的工业标准。这个规范展示了一个新的类似于SQL语言的数据挖掘语言，数据开发者们可以利用它去建设数据挖掘应用。本文提出了如何利用SQL SERVER 2000去建设数据挖掘应用的方案。     

数据挖掘在质量管理体系中的应用

数据挖掘技术提供了对海量质量数据的强大分析处理功能。本文分析了质量管理体系中质量数据的特点，提出了质量数据挖掘系统的系统模型和分层体系结构；并介绍了质量数据挖掘的主要模型及方法，包括质量预测模型、分类模型和关联模型。     

Web 数据挖掘及其在电子商务网站中的应用

Internet应用的普及使得数据挖掘技术的重点已经从传统的基于数据库的应用转移到了基于Web的应用,电子商务网站每天都会产生大量的数据,运用数据挖掘技术可以从这些数据中发现对市场分析及预测非常有益的信息。本文讨论了Web数据挖掘技术在电子商务中的应用。     

基于RUSBoost算法的 违约风险预测模型构建与应用

针对金融借贷数据存在的较严重的类别不平衡问题,构建基于RUSBoost算法的违约风险预测模型.作为一种集成学习方法,RUSBoost算法利用欠采样实现了训练集的类别均衡,同时又通过对基学习器的独立采样有效克服了因欠采样而造成的信息丢失问题,从而实现了对类别不平衡数据的较强适应能力.基于某网络借贷平台的金融大数据,首次将RUSBoost算法应用于违约风险预测,同时也将随机森林、决策树以及支持向量机等数据挖掘方法分别应用于违约风险预测问题,并与传统的Logistic回归方法和最小二乘模型进行对比分析.从实验结果来看,绝大部分数据挖掘模型的预测性能要明显优于传统模型,而基于RUSBoost算法的违约风险预测模型又明显优于其他数据挖掘模型.     

基于联网收费数据预测交通流量的实现

高速公路海量的联网收费记录汇聚了很多极具价值的交通信息，利用数据挖掘方法，实现收费数据的增值利用具有重要的理论与应用意义。交通流量是交通规划与管理中的一项重要基础数据，以往交通流量的预测方法依赖于交通调查与检测数据。数据采集成本很高。本文以回归树理论建立起利用联网收费数据预测交通流量的思路，并借助SQL2005提供的数据挖掘功能，建立起数据分析系统，实现利用联网收费数据进行交通流量的预测。     

独立学院招生Web系统与数据挖掘的结合与应用

本文把Web报名系统与数据挖掘相结合,建立独立学院招生决策模型。首先,建立一个适用于数据挖掘的招生Web报名系统,用它来采集更直接、更客观的考生数据;其次,用关联规则对考生数据进行挖掘,发现数据中的潜在的规则,作为我们进行招生宣传的决策依据。     

股票价格时间序列的隐藏瞬时模式识别方法研究

由于时间序列数据挖掘方法具有刻画和预测所观察事件特征的突出特点,将它运用于股票价格时间序列分析,不仅可以揭示隐藏于股票价格时间序列中的瞬时模式,而且还可以有效预测诸如股票价格急剧变化等高频金融时间序列事件。本文基于时间序列数据挖掘理论与方法的探讨,将其运用于具体的股票价格生成的高频时间序列分析。结果表明,具有统计显著性的、可以刻画和预测事件的隐藏瞬时模式是能够被识别的。     

空军航材运输方式选择的模糊决策方法

基于层次分析的思想，本文建立了航材运输方式的评价指标体系，并运用多目标模糊决策的方法。提出了航材运输方式选择的模糊决策模型。通过该决策模型的应用，决策者可以将定性指标定量化，从而提高决策的客观性、科学性。     

库存模型灵敏度分析及其在库存决策中的应用

一、库存决策模型灵敏度分析方法 库存决策模型灵敏度分析方法是研究库存模型中的参数变化对最优库存策略的影响。在库存未来情况不能精确预测下,该种方法能够分析出按照最优库存策略进行库存决策的决策效果。     

基于数据挖掘的质量管理

本文是基于E公司委托ODM进行生产的背景下，探讨大数据时代下的质量管理。基于数据挖掘的质量管理是基于E公司质量部收集的关键制成良率（KPY）供应商数据库，通过数据挖掘建立KPY的工业基准，进而找到质量改善的机会，然后成立绿带项目，采用DMAIC方法进行改善。     

基于WEB的数据挖掘技术在网络管理中的研究与应用

文章探讨基于WEB的数据挖掘网络管理系统的体系结构、OLAP技术和数据挖掘技术，针对当前网络管理系统的现状和存在问题，提出基于WEB和数据挖掘技术的网络管理系统，为网管存在的问题提供解决方案，该系统对网管现状的改善有积极意义。     

库存模型灵敏度分析及其在库存决策中的应用

一、库存决策模型灵敏度分析方法库存决策模型灵敏度分析方法是研究库存模型中的参数变化对最优库存策略的影响。在库存未来情况不能精确预测下,该种方法能够分析出按照最优库存策略进行库存决策的决策效果。     

房地产投资决策支持系统研究

从房地产项目的投资特点出发，结合新兴技术：数据仓库、联机分析处理、数据挖掘，构建了房地产投资决策支持系统，并对其中的新兴技术（数据仓库、联机分析处理、数据挖掘）和四大模块（市场调查与预测、经济评价、风险分析和可行性报告生成）进行了详细描述。     

银行自助设备备付金预测模型探索

本文运用数据挖掘方法，以银行自助设备实际业务中发生的流水数据作为数据来源，试图解决自助设备备付金预测问题。通过分析自助设备影响因素，比较了神经网络、支持向量机等预测算法，给出了自助设备预测模型。     

航班计划优化研究概述

从航班计划优化的不同时间阶段分析,可以将航班计划优化分为航班计划静态编排优化、基于航班延误预测的航班计划动态反馈优化和基于机场协同决策(A-CDM)的航班计划动态调整角度三类;进而从航班时刻、机型指派、航班频率等编制环节分析了航班计划静态编排优化;随后利用延误波及预测与数据挖掘预测的优化方法分析了基于航班延误预测的航班计划动态反馈优化的相关研究。最后,根据航班计划优化复杂性分析,给出了航班计划优化的发展趋势和未来研究方向。