基于 MS 聚类分析模型的数据挖掘应用研究

本文分析了数据挖掘所具有的重要作用,简单介绍了MS聚类分析的现状,并对MS聚类分析的数据挖掘应用模型及建构数据挖掘体系的方法进行了探讨.     

数据挖掘在证券交易系统分析中的应用

本文以沪深证券市场的公开数据和部分实时券商交易数据为基础,应用数学集合论、博弈学习论和金融微观结构理论与计算机信息系统相关概念,提出了金融市场数据挖掘的合并算法,并分别讨论了数据挖掘在序列模式、关联分析、聚类分析、偏差检测、进化遗传模拟五方面的应用。     

改进的k-means聚类算法在客户细分中的应用研究

聚类分析是数据挖掘的一种重要方法,将它应用在客户细分中,可以识别出不同的客户群,从而针对不同的客户群制定相应的营销政策,使企业效益最大化。针对聚类分析中k-means算法的不足,运用改进的聚类算法对旅游业客户进行细分,从而使企业能够更合理地细分、规划客户群组,针对不同需求的客户群体进行区别对待,得到了较好的效果,验证了改进算法的可行性和高效性。     

改进的k-means聚类算法在客户细分中的应用研究

聚类分析是数据挖掘的一种重要方法,将它应用在客户细分中,可以识别出不同的客户群,从而针对不同的客户群制定相应的营销政策,使企业效益最大化.针对聚类分析中k-means算法的不足,运用改进的聚类算法对旅游业客户进行细分,从而使企业能够更合理地细分、规划客户群组,针对不同需求的客户群体进行区别对待,得到了较好的效果,验证了改进算法的可行性和高效性.     

基于SOM神经网络的聚类方法研究

聚类分析是由若干个模式组成的,它在数据挖掘中的地位越来越重要。通过数据挖掘聚类分析,可以及时了解各地区经济实力等重要的信息,对各级政府政策制定上及宏观调控上都具有非常重要的现实意义。     

基于聚类融合的聚类分析方法研究

聚类分析是一个正在蓬勃发展的领域,具有非常重要的理论价值和极其广泛的应用领域。作为聚类分析的一个新兴分支,聚类融合已经成为当前数据挖掘和机器学习领域的研究热点之一。本文对聚类融合方法进行了综述,介绍了近几年聚类融合方法研究的主要内容,并讨论了聚类融合方法未来的发展方向。     

数据挖掘在客户价值分析中的应用

本文介绍了数据挖掘在客户价值分析中的应用。首先简要描述了客户价值的定义,并从客户价值的产生过程出发,围绕数据挖掘中的分类法、聚类分析、决策树、异常检测、关联规则、神经网络等技术来进行客户细分、客户保持、提高客户忠诚度、客户流失分析,并建立了提升客户价值的总体框架,为进一步对客户价值的研究提供有益的借鉴。     

在教学质量评估系统中数据挖掘算法分析

为提高教学质量,许多高校已经建立了教学质量评估系统,如何将数据挖掘技术应用其中,从大量数据中提取出隐藏在数据之中的有用的信息,已成为高校发展研究的重要课题。从基本概念、算法的分析、提取规则等方面,对关联规则和决策树算法这两个数据挖掘工具进行了探讨,阐述了这两个数据挖掘工具的优点,并对关联规则挖掘算法中的Apriori算法和决策树算法进行了详细分析。     

数据挖掘在交叉销售中的应用

简要介绍了交叉销售通过共享客户资源，基于CRM数据库，利用数据挖掘技术来分析利用客户信息资源，并对其中的关联分析和聚类分析技术作了详细的分析介绍，为交叉销售的实施提供了具有可行性的技术支持。     

基于云计算模式下的Apriori算法研究

随着海量数据的增加和云计算的出现,对于云计算模式下的数据挖掘技术研究具有重要意义。基于云计算和Hadoop平台,分析了Apriori算法,提出了基于云计算模式下的改进的Apriori算法,实现了改进算法与MapReduce编程模型的移植。实验仿真表明,改进算法在云计算环境下的数据挖掘是可行的,高效的。     

物业管理企业涉足社区电子商务的产品选择——基于粗糙集理论和K-means聚类分析

从产品价值聚类分析的角度,构建P-R-K产品选择模型。以主成分分析结合粗糙集理论作为K-means聚类分析的前端系统,通过对产品的价值进行数据挖掘,形成产品聚类组合。再通过三维矩阵对产品组合进行定性分析,进而实现产品的选择。结合物业服务企业涉足社区电子商务时所面临的如何在驳杂的产品中选择更有市场价值的产品的问题,文章构建社区电子商务产品价值指标体系,进行了P-R-K产品选择模型的实证分析。     

关联规则的互连

关联规则是数据挖掘领域中的一个非常重要的研究课题。本文分析了关联规则数据项之间的相互关系,提出了互 关联规则的概念,并给出了相应生成算法。     

基于粗糙集属性约简的数据挖掘技术

粗糙集理论（Rough Set）是波兰学者Z.PAWLAK提出的一种新的软计算方法，它在处理含噪声、不完整、不精确的信息方面具有独特的能力，已成为数据挖掘技术的一个主要方法，在许多科学与工程领域中得到了广泛的应用。本文着重介绍粗糙集的基本思想，并以一个具体的属性约简算法和实例介绍了它在数据挖掘，特别是在数据浓缩和规则提取中的应用。     

Apriori算法的探讨

Apriori算法是数据挖掘中较为经典的一种算法,本文详细介绍了该算法的相关概念、定义、推到及其编程算法,并与相关的其他算法进行比较,同时还介绍了几种Apriori的优化算法。     

关联规则挖掘算法改进研究

文章讨论了数据挖掘的一般理论,研究了关联规则挖掘算法以及经典的Apriori算法,分析了算法存在的问题,并提出了新的基于压缩矩阵的关联规则挖掘算法。理论分析和仿真实验显示改进算法的性能明显优于Apriori算法。     

关联规则的互连

关联规则是数据挖掘领域中的一个非常重要的研究课题。本分析了关联规则数据项之间的相互关系，提出了互关联规则的概念．并给出了相应生成算法。     

市场购物篮中的规则演绎与关联分析研究

为了提高数据挖掘中的关联规则能力,在本文中,使用了双重GRI算法进行关联规则的应用。首先,使用关联规则揭示所购买商品之间关联关系,其次,使用关联规则揭示识别客户群特征。从而挖掘出更加详细的有价值信息,便于商品更好地配置和销售。     

各刊题录汇集

本文将数据挖掘技术与人际网络相结合来实现企业竞争情报的采集。在分析企业人际网络结构及其特征的基础上，提出了企业人际网络的挖掘流程，以及如何识别企业人际网络内的重要节点，并对节点的重要性进行评分的方法。进而，本文应用企业人际网络的挖掘方法，探讨企业竞争情报的聚类分析、关联分析、概念描述、预测等获取方法。     

余弦距离算法在固定资产管理系统中文本相似度查询的应用

针对固定资产管理过程中,由于资产设备命名的不规范,导致资产名不匹配、资产找不到、资产设备重复统计等问题,提出了一个基于余弦距离算法的文本相似度查询方案。文章分析了资产设备命名不规范的原因,通过对聚类分析常用的几种距离算法进行研究与比较,确定并通过程序实现了以余弦距离算法为基础的文本相似度查询的应用,对两种距离算法进行了测试,证明了余弦距离算法在固定资产管理系统中文本相似度查询中优势。     

数据挖掘及其工具的选择

本文给出了KDD的核心——数据挖掘,通过对数据挖掘种类的分析,给出了数据挖掘工具的选择标准,为充分利用数据挖掘工具提供了参考。