数据挖掘技术在推广教育规划中的应用研究

采用数据挖掘技术来分析武汉某所职业技术学院的入学者在推广教育课程中的选课偏好和课程完成率之间的关系。将2003年至2008年的入学者在推广教育课程中的选课记录用三种数据挖掘算法进行分析。研究结果作为在推广教育规划中课程设置的一个参考。     

数据挖掘技术在推广教育规划中的应用研究

采用数据挖掘技术来分析武汉某所职业技术学院的入学者在推广教育课程中的选课偏好和课程完成率之间的关系.将2003年至2008年的入学者在推广教育课程中的选课记录用三种数据挖掘算法进行分析.研究结果作为在推广教育规划中课程设置的一个参考.     

聚类分析在客户关系管理中的应用研究

客户关系管理和数据挖掘都是近几年发展起来的新兴学科,对现代企业的发展有着举足轻重的作用。聚类是数据挖掘中的典型算法,其中的K-均值算法是最基本的算法,由该算法产生了许多经典而高效的算法。文章对数据挖掘成果进行了归纳,深入研究了K-均值算法,并将其运用在客户关系管理的客户分类中,这对研究数据挖掘中的其他算法是很有利的。     

基于数据挖掘的现代物流信息系统管理问题研究

首先探讨了物流信息系统的模块组成及其功能,接着简要地阐述了物流信息系统中数据挖掘的一般步骤过程及物流信息系统中数据挖掘的定义,最后重点就物流信息系统中数据挖掘技术的应用进行了实证研究,从物流企业信息系统中随机抽取了客户的2 000个业务记录作为数据挖掘样本,利用关联挖掘规则分析了客户企业类型、经营时间、注册资本和信息反馈率四个字段属性对物流企业物流服务质量的影响,并就挖掘结果给物流企业的管理决策提出了方案和建议.     

基于蚁群算法的数据挖掘在第三方物流中的应用

叙述了蚁群算法的基本原理,通过案例分析,采用基于蚁群算法的数据挖掘方法对物流配送路径进行优化,并验证了该算法的有效性,为企业进行决策分析和数据处理提供依据。     

基于蚁群算法的数据挖掘在第三方物流中的应用

叙述了蚁群算法的基本原理,通过案例分析,采用基于蚁群算法的数据挖掘方法对物流配送路径进行优化,并验证了该算法的有效性,为企业进行决策分析和数据处理提供依据.     

决策树算法在宽带客户流失分析中的应用研究

数据挖掘的核心作用是从大量的数据中挖掘出未知的、有价值的规律和模式。通过研究数据挖掘技术,运用决策树算法,对目前现实生活中的宽带流失问题进行有意义的探索,主要是对已流失宽带客户过去一段时间的上网行为、上网偏好、套餐协议等信息进行分析,提炼出宽带流失客户的行为特征,利用这些特征预测在网客户的流失倾向。     

基于数据挖掘的证券公司客户价值分析系统设计与实现

本文根据证券企业目前的管理水平只限于办公自动化管理的阶段,没有更深层次的挖掘计算机技术给企业发展带来的价值,而证券企业的竞争环境对企业的客户关系管理提出了更高层次的要求的现实需要,对企业客户进行细分,并对其过程进行深入的分析和研究,结合客户细分理论和客户价值理论,构建了证券业客户价值分类模型,采用数据挖掘的方法和贝叶斯算法对分析系统进行实现。通过本文的研究,力图对证券企业客户按照价值理论进行分类,从而为精准营销提供借鉴意义和参考价值。     

数据挖掘在企业历史数据中的应用

企业应用系统在长时间使用后,都会出现数据量增大和应用系统性能下降的现象。本文针对这一状况,提出在清除历史数据前或对历史数据进行归档前,对其进行转移和复制并在可能的情况下构建数据仓库,对企业历史数据进行挖掘的方法。详细介绍了数据挖掘技术的概念、数据挖掘流程和常用的模型,以及数据挖掘在企业历史数据中的主要应用。     

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。     

Going beyond self–other rating comparison to measure leader self‐awareness

Data were collected from leaders who rated their interpersonal competencies, were rated by their direct reports on the same competencies, and then were asked to predict as accurately as possible how their direct reports rated them. Leader self‐awareness was examined by analyzing self–other ratings and prediction–other ratings with a supervisor‐rated measure of leader effectiveness. Results showed that prediction–other ratings explained a greater percentage of the variance in leader effectiveness than did self–other ratings. These results suggest that prediction–other rating comparison may be a viable additional way to measure self‐awareness in organizational settings and may avoid some of the disadvantages when only using self‐ratings or self–other ratings.     

Explaining variance in the accuracy of prediction markets

Thus far, the focus in prediction market research has been on establishing its forecast accuracy relative to those of other prediction methods, or on the investigation of a few single sources of forecast error. This article is the first attempt to overcome the narrow focus of the literature by combining observational and experimental analyses of prediction market errors. It investigates the prediction error of a real money prediction market uusing a logarithmic market scoring rule for 65 direct democratic votes in Switzerland. The article distinguishes between prediction market error due to the setup of the market, features of the event to be predicted, and the participants involved, and finds that the prediction market accuracy varies primarily according to the setup of the market, with the features of the event and especially the composition of the participant sample hardly mattering.     

备件需求预测技术综述

通过对国内外关于备件需求预测的文献进行研究,总结了当前备件需求的预测方法,揭示了备件需求预测技术的发展趋势。     

人工神经网络在经济预测中的应用

研究了人工神经网络在经济预测中的应用问题,探讨了人工神经网络的时间序列预测方法。该方法采用多层前馈神经网络及BP算法,其仿真实现是以MATLAB下神经网络工具箱作为开发工具。文中提出了一种基于BP网络时序预测通用方法,并通过实例验证了该方法的预测精度明显高于灰色系统预测方法。为了消除单一神经网络预测模型的系统偏差,探讨了组合神经网络时序预测方法;并用实例验证了组合神经网络比单一神经网络的预测精度高。     

基于注意力机制的LSTM股价趋势预测研究

针对中国股票市场,提出了一种基于注意力机制的LSTM股价趋势预测模型。选取42只中国上证50从2009年到2017年的股票数据为实验对象,根据股票市场普遍认可的经验规则,分别对每个技术指标进行量化处理得到股票涨跌的趋势数据,并和交易数据混合作为预测模型的输入,然后使用基于注意力机制的LSTM模型提取股价趋势特征进行预测。实验结果表明:引入股票离散型趋势数据到预测模型中,能够在已有交易数据和技术指标的基础上提升预测精确度,与传统的机器学习模型SVM和单一的LSTM模型相比,基于注意力机制的LSTM模型具有更好的预测能力。     

建筑碳排放预测信息集成技术研究

BIM技术在建筑全生命周期碳排放预测中还未得到充分应用.本文首先根据建筑碳排放预测信息需求,提出建筑碳排放预测信息集成架构;其次,基于IFC标准与gbXML数据格式,建立集成的建筑碳排放预测信息模型CeData,并提出项目信息子模型CeData_Pro、热工分析子模型CeData_Ther、能耗监测子模型CeData_...     

灰色预测模型的改进在城市需水量预测中的应用

阐述灰色预测模型计算步骤及其改进方法,将改进灰色预测方法应用到石河子市城市需水预测的实例研究中,通过对预测结果的分析,发现改进模型的模拟精度更高,预测结果可为石河子市用水规划和宏观调控提供参考。     

电力系统中长期负荷预测方法的研究与程序设计

文章探讨了电力系统负荷的组成、特点,在分析比较常用的预测方法优缺点的基础之上,采用了灰色预测法与回归法相结合的方法建立了中长期负荷预测模型,把负荷预测工作分为2个部分:即用灰色预测法进行相关因素的预测和用回归法进行负荷预测。该模型充分利用了灰色预测法要求负荷数据少、不考虑分布规律、不考虑变化趋势、运算方便、易于检验等优点及回归法能够考虑到负荷所受的多种因素的特点,模型参数估计技术比较成熟,预测过程简单。     

基于BP神经网络模型的国内旅游人数预测

旅游人数的分析和预测是旅游规划与管理的关键性、基础性工作。目前旅游人数预测主要采用基于传统研究方法的预测方法。提出了一种基于BP神经网络模型的国内旅游人数预测新方法,对国内旅游人数的变化趋势进行了综合分析与预测,结果表明该方法具有较高的精度,该模型在旅游人数预测中的应用是可行的。     

可靠性预计的理论依据及其软件实现

可靠性预计是可靠性工程的一个重要分支,国家相关军用标准明确要求军工产品在预研、研制阶段要进行可靠性预计。针对可靠性预计的统计理论与数据,文章提出了一种基于GJB/Z 299C的软件实现方法,并成功应用于某军工产品的研制中。