数据挖掘在报刊业信息系统的应用

针对报刊发行业务处理系统中的数据集成、数据管理与共享、数据分析等需求,通过合理运用数据挖掘技术,将发行客户与广告客户有效的联系起来,探索出它们之间的利益结合部分,实现报社与各种客户的共赢,并能够通过数据分析发现潜在的客户群体.     

数据挖掘技术在电子商务上的应用

电子商务网站顾客在Web上的行为都会产生大量数据信息。可运用数据挖掘技术对客户访问信息的Web数据进行挖掘，从而了解客户的访问行为，动态地调整网站结构和网页设计，使电子商务更具个性化和针对性。     

在教务管理中可应用数据挖掘技术

目前教务管理系统大部分仍停留在在线数据处理的基础上,往往没有去探索成绩和大学生的基本信息及专业设置、课程安排这些数据之间隐含的规律和知识。可应用分类、聚类、回归分析、关联规则、变化、偏差分析和web页挖掘等数据挖掘技术对信息进行加工,从中获取反应倾向性和规律性的一些信息,有利于有针对性地提高教学质量。     

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。     

浅谈数据挖掘技术原理及应用

数据挖掘技术是对商业数据库中大量业务数据进行抽取、转换、分析和其它模型化处理,从中提取辅助商业决策的关键性数据,它是数据库研究中的一个很有价值的新领域,它融合了多个领域的理论和技术。有其自身的原理和应用范围。     

关联规则在高职学生生源质量分析中的应用

本文运用关联规则对生源质量数据进行了分析,分析结果对学校招生、专业课程设置,以及任课教师因材施教提供有用帮助。     

数据挖掘技术和工具

本文比较详细的介绍了数据挖掘技术的基本概念、功能、方法和工具。     

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。     

基于数据挖掘的关联规则研究

关联规则算法的研究在数据挖掘算法的研究中占有相当重要的地位。关联规则算法的核心是基于两阶段频繁记得Apriori算法，但随着对关联规则研究的深入，基于支持度和可信度的Apriori算法越来越不能适应实际情况，兴趣度的引入也就水到渠成。虽然兴趣度的引入一定程度上解决了用户感兴趣而Apriori算法无法生成的规则，但无法解决组合爆炸和规则丢失等问题。目前一种自动设置支持度最小值的基于可信度和支持度的模型基本解决了上述问题。     

数据挖掘技术在经济统计中的应用

在经济快速发展的时代,大量与经济相关的数据和信息积累,从海量的数据中提取有价值的信息,并利用这些数据进行科学有价值的提取和深入分析来制定下一步的经济决策,这对于经济发展尤为重要。而数据挖掘能在庞大的数据库中寻找出有价值的隐藏事件,并利用人工智能,统计,预测等科学技术为我们提供经济决策的参考依据。本文通过介绍与数据挖掘相关的两类技术:决策树、时间序列方法分别在露天游泳馆的救生员人数决策以及股票预测方面的应用,展现了数据挖掘技术在经济统计中应用有着极佳的效果。     

数据挖掘在高校体育数据分析中的应用

此文通过对数据挖掘技术的基本原理研究，分析和探讨了它在高校体育数据分析中的应用。     

数据挖掘在计量会计学中的应用

通过对计量经济学及其他计量学科发展的分析,探讨了建立计量会计学的相应条件及相关概念.明确了计量会计学的客观基础、方法、内容,并对计量会计学体系的构建进行初探.如何从会计信息系统等信息资源中挖掘出潜在的知识为管理和决策服务,是企业迫切需要解决的问题.把数据挖掘技术应用到高校的财务管理工作,以便及时有效地进行财务分析和财务决策,为系统科学地制定财务计划提供依据,数据挖掘正是解决这一问题的有效方法.     

数据挖掘在电商企业CRM中的应用

论文首先阐述了数据挖掘与电商企业客户关系管理(CRM)的内涵,分析了数据挖掘在电商企业CRM中的作用,包括获取新客户、客户细分、交叉营销、客户保持、客户盈利能力分析。其次,构架了基于数据挖掘的电商企业CRM的体系结构,并阐述了基于数据挖掘的电商企业CRM的实现过程。最后,分析了基于数据挖掘的电商企业CRM的实施,给电商企业带来智能化、个性化、集成化、共享化的好处。     

数据流挖掘及其在持续审计中的可用性研究

随着企业信息化程度的提高和互联网的普及,每天都会产生海量的实时数据,而数据流挖掘则为分析海量数据提供了一种新途径。数据流挖掘中的聚类、分类、离群点检测等算法的研究取得了进展,为在持续审计中应用数据流挖掘提供了可行性。本文提出的一种基于数据流挖掘的持续审计模型,克服了传统持续审计模型对审计端的存储能力要求高、占用大量硬件资源、联机分析时间长、对异常数据的发现滞后等缺点。     

数据挖掘技术在教务管理中的应用

数据挖掘技术是一种新的信息处理技术。把DM应用到教务管理系统中实现个性化人才培养,向决策者提供信息支持,有利于推动学校教学改革和建设的全面发展。     

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。     

数据挖掘在计算机文化基础课教学中的应用

运用数据挖掘中的粗糙集方法对计算机文化基础课教学的课时安排以及考试成绩进行分析,可以指导教师改进课程教学,提高教学质量。     

基于分析服务智能平台就业数据挖掘系统的设计与实现

文章主要针对高职院校毕业生就业数据,对基于misrosoft sql Server2005分析服务智能系统平台的毕业生就业数据挖掘系统,对该应用软件的功能模块（数据库管理、就业分析、挖掘模型分析、挖掘模型预测、报表输出）进行详尽解读。通过创建各种挖掘模型,对毕业生和招聘企业进行深度多维挖掘透视分析,并利用挖掘分析结果应用于在校生的就业预测并以此作为招聘企业进行校企合作的参考依据。     

云计算在流数据挖掘技术中的应用设计

为提高流式数据的聚类效果及质量,本文将＂云＂技术引入了流数据聚类算法中,并在此基础上设计基于云计算的流数据挖掘模型,从而可提高数据的处理速度,增加数据的处理维度,从而可提高流数据处理中内在单元的利用率。结合当前电子信息的发展,拓宽了其应用领域。     

数据挖掘与数量经济学

数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中.提取隐含在其中的、人们事先不知道的、但又是潜在的有用信息和知识的过程.它是一个涉及多学科领域的新兴学科.并随着这些学科的发展而不断发展.针对信息化社会的迫切需要,本文从数量经济学和数据挖掘的概念出发,深入地分析了这两个领域的联系与区别.详细地探讨了结合数据挖掘乃至人工智能理论来研究数量经济的思路,为积极推动数量经济学的进一步发展提供了可行的研究方法.