数据挖掘的方法分类研究

通过对数据挖掘技术进行全面的分析和研究,依据其功能、任务的不同以及所处角度对分类方法的影响,侧重于应用数据挖掘技术得出结果的形式,同时还克服了传统数据挖掘分类方法的局限性和模糊性,最终提供了一种更为合理清晰的分类思路和方法。该方法的有效区分使得数据挖掘的应用更为方便易行,为正确的运用合适的数据挖掘方法进行知识的发掘提供导向。     

基于数据挖掘方法的供应链合作伙伴选择

运用数据挖掘技术从潜在供应链合作伙伴的大量数据信息中发现隐藏的知识、关系和趋势，有助于供应链企业利用获得的知识提高供应链管理的决策质量。本文提出了供应链合作伙伴选择的二阶段模型：筛选阶段与评价阶段。并应用数据挖掘方法对潜在的合作伙伴进行聚类和分类分析，使供应链的合作伙伴选择过程更为高效。     

数据挖掘分类技术在电信网络风险预警中的应用

决策树和人工神经网络是数据挖掘分类任务中两项重要技术,各具特点,对不同的数据类型应采用不同的算法进行相应的研究应用。为了深入地说明各自的特点,根据决策树C5.0算法以及人工神经网络的BP网络模型的原理,按照数据挖掘的标准过程,应用SPSS Clementine作为工具对电信网络风险进行了预警,并对结果进行了比较研究,验证了两种数据挖掘分类技术的一些性能差异。本文分析了数据挖掘技术中常用的决策树和神经网络两种算法,为以后对电信网络风险预警提供了一种研究角度和方法。     

基于数据挖掘技术的股票市场预测分析实例研究

本文主要研究数据挖掘技术在股票市场价格预测中的应用,重点采用数据挖掘分类和聚类算法对大盘走势和个股走势进行分析研究,采用实体数据进行挖掘分析,总结得出有益于投资者的结论。     

数据挖掘技术在物流供应链合作伙伴选择中的应用

通过数据挖掘技术对物流供应链中轴心企业对合作伙伴的选择和价值评定问题进行研究。首先构建物流供应链中合作伙伴选择的模型,进而对数据挖掘的分类和群算法进行概述,对数据挖掘技术在物流供应链中合作伙伴选择的步骤和流程进行探讨,最后进行案例分析,为汽车生产制造物流供应链中轴心企业对合作伙伴的选择进行数据挖掘,并且给出了具体的数据挖掘步骤和算法流程。     

结合GIS数据和遥感影像的地类图斑更新研究

为提高地类图斑的更新准确率,提出一种结合GIS数据和高分辨率遥感影像的土地利用现状库中局部地类图斑快速更新的方法。该方法在遥感影像和地类图斑数据坐标配准套和的前提下,首先采用面向对象的影像分析方法对遥感影像进行分类,并利用已有的地类图斑数据作为分类的先验知识,以提高影像分类的精度;然后将影像分类后的矢量结果与地类图斑数据进行布尔判断确定变化区,对变化区进行变化类型更新。实验结果表明提出的方法能准确的更新地类图斑,是一种可行的土地利用现状数据更新方法。     

基于数据挖掘的知识管理系统规划模型研究

文章对数据挖掘和知识管理系统进行简要的分析,探讨了在现代数据挖掘技术下的知识管理实行必要性。从系统动力学的角度和战略层次上构建了基于数据挖掘的知识管理系统规划模型。     

现代物流管理中的数据挖掘技术研究

数据挖掘就是从海量数据中提取有用的知识。文章介绍了数据挖掘的基本概念,为物流管理决策提供的模型的分类。研究了数据挖掘在这一领域的具体应用,即：需求预测问题、物流决策问题以及逆向物流等问题。     

数据挖掘在质量管理体系中的应用

数据挖掘技术提供了对海量质量数据的强大分析处理功能。本文分析了质量管理体系中质量数据的特点，提出了质量数据挖掘系统的系统模型和分层体系结构；并介绍了质量数据挖掘的主要模型及方法，包括质量预测模型、分类模型和关联模型。     

基于ERP基础数据挖掘的企业生产成本控制DSS研究

本文首先阐述ERP的含义及内容,并对当前企业生产成本控制现状进行总结,分析企业成本控制存在的问题。随后对基于ERP基础数据挖掘的企业生产成本控制DSS进行研究,分析了企业生产成本控制DSS业务流程及DSS运行环境,并以运算出例模块为例,提出了系统任务分类设计和问题求解管理流程设计方法,为基于ERP基础数据挖掘的企业生产成本控制DSS实现提供结构框架设计支持。     

一个新的银行信用风险评估方法

本文以银行信用风险管理为例，将粗糙集和决策树两种具有互补优势的数据挖掘方法相结合，对客户信用做出归类分析判断，最后利用决策树生成决策规则。实践证明，这种方法忠于原始数据，提高了分类准确度。减小了决策树规模，具有良好的性能。     

数据挖掘在航空发动机状态判别中的应用

为了挖掘隐藏在飞参数据背后的信息知识,应用数据挖掘技术对航空发动机健康状态进行判别研究。利用飞参数据中与发动机健康状态相关的九个参数和典型的故障数据,分别建立了神经网络和决策树模型,通过结果的比较,确定了最佳分类预测模型。     

浅谈数据挖掘的应用

数据挖掘又称为数据库中的知识发现,其目的是要在大量数据中"挖掘出有趣的可理解的知识"。近年来,数据挖掘引起了各界的极大关注,已经广泛应用于很多方面,并且取得了很好的成果。本文主要阐述了数据挖掘技术在工业生产、商业、网络、医药这四个方面的应用,并介绍了一些成功的应用案例。     

关联分类和1-近邻法在数据挖掘系统中的应用

文章提出了一种解决专家系统中用户查询与知识库中规则不一致的方法,该方法结合了数据挖掘系统中的关联分类法和1-近邻法两种方法,并通过使用一个实例验证了该方法的实用性。     

数据挖掘技术在商业银行中的应用

数据挖掘能够有效分析商业银行数据库中的信息,将其转化为知识为银行的经验决策服务。本文在介绍数据挖掘技术及其主要任务的基础上,总结了数据挖掘在商业银行业务中的主要应用领域为客户关系管理、风险管理和金融欺诈监测,并具体介绍了数据挖掘技术在上述几个领域内的应用。     

基于GIS的区域规划系统设计

区域经济具有空间特征,而GIS(地理信息系统)强大的空间分析能力和直观形象的可视能力让人们逐渐将其引入到区域经济的分析中来,以弥补传统研究方式的不足。文章将设计一个基于GIS的区域规划系统,使其通过数据查询、统计分析、空间分析、区域经济差异特征分析和分析结果图形输出,为区域规划的制定者提供方便快捷的信息管理服务。     

医疗数据挖掘的特点、过程及方法

近年来,医疗数据资料持续爆炸性增长,在治疗技术不断提升的同时也带来了新的问题——数据丰富,知识贫乏。由此,引入了新的处理方式——数据挖掘。医疗数据挖掘面向整个医疗数据库或医疗信息集合,为其提供知识、规则和决策。本文分析了医疗数据的特点和该领域知识获取的特点、步骤及方法。     

基于移动Agent的企业级数据挖掘应用模型研究

移动Agent可以看作是人工智能与分布式计算技术相结合的产物,已经成为分布式计算研究的热点。该文通过对移动Agent关键技术进行分析,探索了将移动Agent技术与分布式数据挖掘相结合的可行性,讨论了采用移动Agent技术进行分布式数据挖掘时所遇到的问题及解决方案,提出了一个基于IBM Aglets 2.0.2移动Agent系统平台的企业级分布式数据挖掘应用模型,并给出了数据挖掘agent算法。     

A heterogeneous coefficient approach to the knowledge production function

Past literature has used conventional spatial autoregressive panel data models to relate patent production output to knowledge production inputs. However, research conducted on regional innovation systems points to regional disparities in both regions’ ability to turn their knowledge inputs into innovation and to access external knowledge. Applying a heterogeneous coefficients spatial autoregressive panel model, we estimate region-specific knowledge production functions (KPFs) for 94 NUTS-3 regions in France using a panel covering 21 years from 1988 to 2008 and four high-technology industries. A great deal of regional heterogeneity in the KPF relationship exists across regions, providing new insights regarding spatial spillin and spillout effects between regions.