关联规则中支持度变化的数据重挖掘算法研究

使用关联规则进行数据挖掘时,使用者为了达到一定的挖掘效果,经常需要不断地改变关联规则的支持度阈值(support)。文中提出了一种从大型数据库中挖掘关联规则的快速算法。该算法以经典的Apriori算法为基础,可以在提出新的支持度后,直接在首次挖掘的基础上进行再一次挖掘。结果表明,它较Apriori算法的实现速度有明显的提高。     

数据挖掘技术在汽车保险中的应用

介绍数据挖掘中的关联规则挖掘技术在汽车保险中的实际应用,关联规则分析汽车保险中的风险因素与赔付率之间的关系。得出的关联规则对车险行业的决策和发展有一定参考指导意义。     

Aprior算法的改进及其在高职学生就业中的应用

Apriori算法是一种最具有影响力的挖掘布尔关联规则频繁项集的算法。然而,在产生频繁项集时,需要多次扫描事务数据库,并产生庞大的候选集。为了降低算法的时间复杂度,提高程序运行效率,提出了一种改进的Apriori算法。同时,以某一高职院校中已毕业学生和在校生的就业信息为基础,建立了就业事务数据库,运用改进的Apriori算法对就业数据进行处理,产生了频繁项集。根据最小支持度和最小置信度的定义,找出强关联规则。并引入重要性对强关联规则进行分析,发现具有实际意义的信息,为高职学校就业指导提供决策,为学生就业提供了若干意见。     

基于SSAS的油库安全事故关联分析

为有效地从纷繁复杂的油库安全事故要素中整理出规律性的油库安全管理知识,采用了SSAS数据挖掘工具中的关联规则算法;以大量油库安全事故案例为基础,进行了数据准备和处理;建立了基于关联规则算法的数据挖掘结构和模型;引入兴趣度参数,对数据挖掘模型得到的关联结果进行了分析、过滤;最后对数据挖掘的结果进行了实证分析;获得了油库安全事故触发因素与损失程度的关联规则;为油库安全管理提供了科学决策依据。     

基于SSAS的油库安全事故关联分析

为有效地从纷繁复杂的油库安全事故要素中整理出规律性的油库安全管理知识,采用了SSAS数据挖掘工具中的关联规则算法;以大量油库安全事故案例为基础,进行了数据准备和处理;建立了基于关联规则算法的数据挖掘结构和模型;引入兴趣度参数,对数据挖掘模型得到的关联结果进行了分析、过滤;最后对数据挖掘的结果进行了实证分析;获得了油库安全事故触发因素与损失程度的关联规则;为油库安全管理提供了科学决策依据.     

数据挖掘在财务风险预警系统中的应用

传统的财务风险预警系统一般是通过财务指标来实现的。也有学者引入了人工神经网络进行财务风险的预测,在进行财务风险预警指标的选取中,仍然是采用财务指标。虽然传统的财：务风险预警系统能够对企业财务风险起到一定的警示作用,但也存在着不足。一是由于财务方面的问题所直接导致,二是传统的财务指标分析都是基于历史数据、基本的回归分析的预测中,     

我国房地产企业财务风险的预警与防范

文章在系统分析房地产企业财务风险的类型及产生原因的基础上,提出将财务指标与非财务指标结合进行预警分析的思路,利用Zeta模型对财务指标进行风险评判,进而提出房地产企业财务风险防范措施,以促进房地产企业健康可持续发展.     

金属期货与现货市场价格互动关联规则挖掘研究

期货市场传递的价格信息反映未来供求状况的预期,因此,研究金属期货和现货市场价格互动,对于国民经济发展、企业规避价格风险、投资者进行投资决策及政府进行市场监管都有重要意义。本文将数据挖掘中的关联规则挖掘方法引入金融时间序列分析研究领域,针对挖掘对象期货市场的特点,提出基于时间约束的时间序列关联规则挖掘算法。与传统的忽视数据时间信息的关联规则挖掘算法相比,该算法对期货价格与现货价格间的互动关联规则进行挖掘,能发现反映时间序列局部动态互动关联关系,具有一定的短期预测效果。     

基于关联规则的推荐系统在电子商务中的应用

电子商务的发展加剧了企业的竞争。为了充分应用商务网站的信息,本文提出了建立基于关联规则的电子商务的推荐系统;探讨了电子商务推荐系统模型、生成关联规则和形成推荐集的过程。主要应用FP-Tree算法挖掘客户的行为模式和购买组合,根据用户的兴趣度和置信度产生相应的推荐侯选集,实现网站的个性化服务。根据挖掘的客户知识,网站可以制定针对目标客户的营销方案,从而提高客户的忠诚度,增加商务网站的赢利水平和竞争能力。     

电网企业财务风险在线监控研究(系列二)

文章在总结国内外有关企业财务风险理论的基础上,借鉴系统论和控制论思想,结合电网企业特点,界定财务风险.并时财务风险本质及成因进行研究.提出在风险分析时要采用以企业经营绩效评价为基础,以财务比率为主体的财务指标与非财务指标相结合、定量分析与定性分析相结合的综合分析方法.探讨在电网企业建立财务风险预警系统的问题,并且初步建立起财务风险预警系统框架.以财务风险预警思想为指导,对财务风险预警在线系统做出分析、设计,对于实现财务风险的在线监控有重要意义.     

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.     

论财务风险在企业经营中的管理与控制

文章从企业筹资风险、投资风险、资金使用风险、资金回收风险以及资金成本风险五个方面分析了如何对风险进行控制,为寻求更好的企业财务风险管理方法奠定基础.在提高企业财务风险管理方面,本文认为应该确立正确的财务风险管理理念、完善企业财务风险管理制度、建立和强化企业内控机制和实行现金预算控制管理;在提高单项财务风险防范的技术手段时,应运用财务指标识别和估测企业的筹资、投资和资金回收风险.总之,企业在财务管理中,应加强财务风险的综合管理能力,将企业财务风险整体控制在最低水平,实现企业效益最大化和持续发展的目标.     

动态数据库关联规则增量更新算法

针对大部分关联规则更新算法只考虑最小支持度这一因素,却没有考虑最小置信度阀值。数据库更新时只考虑数据的添加,而没有考虑数据的删除。文章提出了一种可同时考虑以上几方面的动态数据库更新算法,可有效挖掘出人们有兴趣的知识。实验表明,该算法切实可行。     

基于平衡计分卡的企业预警模型探索

当前,企业预警系统主要是基于财务指标体系的预警系统,其实质是通过对财务报表及相关经营资料的分析,监控其实际财务状况偏离预警线的强弱程度,并发出预警信号以采取有效措施控制财务风险。平衡计分卡虽然是业绩评价系统,但对企业预警模型的构建也有一定的启示。现以财务指标为基础,在平衡计分卡的框架下,构建企业财务与非财务、定量与定性相结合的长效企业预警模型。     

动态数据库关联规则增量更新算法

针对大部分关联规则更新算法只考虑最小支持度这一因素,却没有考虑最小置信度阀值。数据库更新时只考虑数据的添加,而没有考虑数据的删除。文章提出了一种可同时考虑以上几方面的动态数据库更新算法,可有效挖掘出人们有兴趣的知识。实验表明,该算法切实可行。     

基于兴趣度的关联规则在学生成绩中的应用

对关联规则中Apriori算法的分析,并将其应用到学生成绩中,得到了一些先前未知的,有价值的信息,但同时又有一些无用甚至错误的规则出现,通过对关联规则的改进:加入了兴趣度阀值,提高了关联规则在数据挖掘中的精度,并且减少了无用,错误规则的产生,为学生成绩的分析提供了很好的支持。     

企业财务预警管理存在问题及应对策略

一、企业财务预警系统的含义及重要性财务预警系统,就是以企业信息化为基础,对企业在经营管理活动中的潜在风险进行实时监控的系统。即采用及时的数据化管理方式,通过全面分析企业内部经营、外部环境各种资料,以财务指标数据形式将企业面临的潜在危险预先告知经营者,同时寻找财务危机发生的原因和企业财务管理体系中隐藏的问题,     

数据挖掘在电子商务在线答疑中的应用模型研究

随着电子商务蓬勃发展,数据挖掘逐渐应用在电子商务需求的方方面面。本文在分析了电商平台中在线咨询功能的不足后,利用数据挖掘技术,提出一种基于关联规则挖掘的电子商务在线答疑模型。     

基于模糊关联规则在电子商务数据挖掘中的研究

数据挖掘是一种新兴的信息处理技术,它通过对商业数据的分析处理,可以发现蕴藏在数据中的商业知识,挖掘数据内在的联系、规则和模式,辅助商业决策。在电子商务环境下的数据挖掘的研究,主要是进行客户访问信息的挖掘．文章在考虑了数据来源之后,简要介绍数据预处理过程．最后给出了模糊集与传统的关联规则挖掘结合的算法。     

浅谈企业财务预警系统的建立

财务预警系统是以企业财务信息数据为基础，以财务指标体系为中心，通过对财务指标的综合分析、预测，及时反映企业经营情况和财务状况的变化，并对企业各环节发生或将可能发生的经营风险发出预警信号，为管理当局提供决策依据的监控系统。