时态关联规则在股市走势分析中的应用研究

近年来,时态数据挖掘的研究对商业、金融、医疗诊断、科学与工程等领域的数据分析具有重要意义,因此时态数据的挖掘方法已经成为数据挖掘的一个研究热点。本文主要讨论时态关联规则在股市走势中的应用。选取相对强弱指标RSI,收集交易数据进行实证分析,得出了若干条有用的关联规则。     

基于Apriori算法的四川省卷烟市场的研究

基于数据挖掘中的关联规则Apriori算法,对四川省卷烟市场数据进行研究,并提取出一些潜在的关联规则,这些关联规则对提高卷烟厂销量有一定的指导意义。     

基于Apriori算法的四川省卷烟市场的研究

基于数据挖掘中的关联规则Apriori算法,对四川省卷烟市场数据进行研究,并提取出一些潜在的关联规则,这些关联规则对提高卷烟厂销量有一定的指导意义。     

一种关联规则Apriori算法的优化

目前,数据挖掘已经成为一个研究热点。关联规则数据挖掘是数据挖掘的一个主要研究内容,关联规则是数据中存在的一类重要的可被发现的知识。其核心问题是如何提高挖掘算法的效率。本文介绍了经典的关联规则挖掘算法Apriori并分析了其优缺点。针对该算法的局限性,本文提出了一种改进算法。相同条件下的实验结果表明,优化后的算法能在一定条件下提高关联规则挖掘的效率。     

数据挖掘关联规则技术的应用

数据挖掘是从大量数据中提取有用信息的新技术.本文介绍了数据挖掘的基本概念,重点分析了关联规则Apriori算法.并使用SPSS公司Clementine工具提供的Apriori算法,实现意向购房的数据挖掘.     

关联规则挖掘技术在商场中的应用

在关联规则数据挖掘概念的基础上,分析了关联规则挖掘技术实施的步骤,并从商品关联挖掘分析、销售营业员评价挖掘分析两个方面提出了关联规则数据挖掘技术在商场中的应用。     

数据挖掘关联规则技术的应用

数据挖掘是从大量数据中提取有用信息的新技术。本文介绍了数据挖掘的基本概念,重点分析了关联规则Apriori算法。并使用SPSS公司Clementine工具提供的Apriori算法,实现意向购房的数据挖掘。     

数据挖掘在研究影响出生性别比偏高因素中的应用

控制出生性别比是计划生育管理中的难题,如何通过对育龄妇女的信息进行处理,辅助决策人口宏观政策是政府信息化建设的更新更高目标.本文介绍了数据挖掘技术的概况,详细讨论了数据挖掘中的关联规则方法,通过引入apriori算法并进行改进,设计一种适合目标数据库的改进算法对影响出生性别比的因素进行客观的评估,并使用相关数据进行关联规则算法的实验,找出各种因素的影响程度,实现对结果的初步分析.     

关联规则在ERP销售系统中的应用研究

企业现行的ERP计划(EnterpriseResource Pianning)中蕴藏了海量数据,这些海量数据背后隐藏的价值无法估量.本文运用关联规则中的算法对ERP系统中的销售模块的大量数据进行数据挖掘处理,为企业优化销售行为模式提供依据.     

数据挖掘技术在经济统计中的应用

数据挖掘技术是一门专业涉及面广泛的交叉学科.在经济统计中,数据挖掘技术主要有概念分层,关联规则和决策树方法.     

数字挖掘关联规则技术的应用

数据挖掘是从大量数据中提取有用信息的新技术。本文介绍了数据挖掘的基本概念，重点分析了关联规则Apriori算法。并使用SPSS公司Clementine工具提供的Apriori算法，实现意向购房的数据挖掘。     

关联规则挖掘在网上竞拍中的应用

通过合并订单的方式对拍卖数据进行关联规则挖掘,结果验证关联规则挖掘方法具有可行性和有效性。在拍卖网站中应用数据挖掘技术对拍卖双方及网站都有益处,拍卖网站可以通过数据挖掘引擎对日常积累的拍卖数据进行深度挖掘,挖掘出买家的行为偏好,打造个性化推荐栏,向其智能展示符合其兴趣偏好和拍卖意图的拍品,可以帮助买家快速找到所需要的拍品,活跃网站气氛,增加网站佣金收入。     

交易数据关联分析在商务智能中的应用研究

大量商业交易数据中隐含着许多对商业决策有益的知识,数据挖掘技术可以发现这些隐藏的模式和关系。本文简要介绍了关联规则挖掘算法,重点分析了不一致的支持度约束策略,分析了最小支持度与最大可信度的关系,提出了一种新的评估手段反映关联规则的意义,结合具体实例对交易数据进行了关联分析,用来发现那些虽然可信度、支持度较低,但仍然具有一定意义的规则。     

数据挖掘及其在企业管理中的应用

企业在管理过程中产生了大量的数据,这些数据的背后隐藏着与企业密切相关的极其重要的知识。聚类、关联规则、序列模式、统计分析、特征规则等数据挖掘方法能从这些海量数据中发现有用的知识,使数据真正成为企业的财富,为企业的决策和发展服务。目前数据挖掘已被广泛应用于银行、电信等行业,用来对客户数据进行正确的分析,挖掘消费模式,预测客户未来的行为,针对客户的需求提供个性化的服务。     

数据挖掘技术在经济统计中的应用探索

虽然社会经济和技术在不断发展,但在经济统计方面仍然存在数据库复杂且繁冗,数据质量不高等问题。这主要是由于缺乏对数据处理方法等缺乏深层次的分析和探索,导致数据价值的缺失。本文主要从数据的预处理步骤、数据挖掘在经济统计中的体现、数据挖掘技术在经济系统中的可行性分析,以及数据挖掘领域中的关联规则和决策树四个方面进行简要的分析。     

数据挖掘在天猫商城中的应用

数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。运用数据挖掘中Apriori算法对大量淘宝交易数据进行关联规则挖掘，可以得到商家感兴趣的销售信息，并根据这些信息进行针对性的营销，从而起到促进销售的作用。     

基于数据挖掘的林业统计数据处理问题的研究

数据挖掘是汇集了统计学、人工智能、数据库等学科内容,从大型数据库或数据仓库中提取有潜在价值信息的技术.它包括分类与预测、神经元网络技术、关联规则挖掘、遗传算法、决策树方法、可视化技术和粗糙集方法等主要技术.通过数据挖掘技术对林业统计数据进行处理,从海量数据中准确、高效地获得有用知识和具有决策意义的信息,这对林业统计数据处理问题产生积极的推动作用.     

基于数据挖掘技术的信用卡客户的信用评价

本文以对商业银行信用卡历史客户数据为研究对象,介绍了数据挖掘方法中决策树C4.5算法和关联规则Apriori算法的应用,并通过weka软件进行实证分析,从而为银行信用卡客户信用程度评定提供了决策支持。     

基于关联规则Apriori算法进行购物篮分析

关联规则是数据挖掘领域中一个重要的研究课题,广泛应用于各个领域,既可以检验行业内长期形成的知识模式,也能够发现隐藏的新规律。本文利用关联规则进行购物篮分析,首先介绍几种典型的关联规则挖掘算法原理,然后利用Apriori算法构造模型,采用Clementine12.0软件对选取的样本进行关联规则挖掘,最后对挖掘出的规则进行分析和应用。实验结果表明,利用关联规则对购物篮进行挖掘是可行的、有效的,它为企业进行数据挖掘提供了一种新的参考依据,在数据分析及预测方面有广泛的应用前景。     

基于数据挖掘的物流成本管理模型研究

降低成本是增强第三方物流企业竞争力的重要途径。本文采用数据挖掘技术建立物流成本管理模型,分析物流成本数据中隐含的有用信息。该模型首先引入聚类分析方法将物流成本依据自身特征分成若干簇。再引入关联规则分析方法挖掘物流成本数据之间的关联规则,形成物流成本管理决策知识库。通过挖掘物流成本数据中隐含的关键信息,可以有效管理物流成本。