思维导向的数据挖掘方法

思维导向数据挖掘的对象是管理过程中的历史决策数据。思维导向数据挖掘所依赖的拓扑结构是心智概念图。思维导向数据挖掘分为两个阶段：计算关联主题簇群和计算最频繁思维路径。本文在心智图和概念图的基础上构造了心智概念图，并根据心智概念图提出了思维导向数据挖掘的算法。     

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。     

基于数据挖掘技术的学生综合测评体系研究

由于我国大众化高等教育的普及,高校学生数量的激增,给学生管理工作带来了诸多新的问题,把数据挖掘中数据仓库和联机分析处理等技术合理应用到高校学生综合测评体系中,是解决上述问题的一种有益探索,并在高校各项工作起到辅助决策作用,对提高管理水平和效率具有重要的意义。     

WEKA数据挖掘软件在车险业务应用中的分析

本文通过分析利用开源WEKA数据挖掘软件，尝试帮助中小企业进行保险业务欺诈行为挖掘预测，提升中小汽车保险企业业务分析管理水平。     

呼叫中心的技术演变与发展趋势

阐述了呼叫中心的含义、功能、特点以及技术组成,强调指出,随着计算机网络技术和通信技术的迅猛发展,呼叫中心将不断融入数据挖掘、多媒体、ASR 等新技术,并发展为未来电子商务的平台和核心。     

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。     

运用数据挖掘技术开发信用评分卡

随着信用卡业务的跨越式发展、同业竞争的不断加剧以及信息技术在银行业广泛而深入的应用，银行业务的经营理念和经营方式发生了很大的转变。例如，由于网络技术和电子商务的发展，银行业开始重视数据挖掘、明确客户定位，遵循“将合适的产品在合适的时间以合适的方式推介给合适的客户”的经营理念。在信用卡业务风险管理方面，银行业依靠信贷人员的经验进行审批贷款的时代已经成为过去，纷纷建立以数据挖掘和数理统计分析为基础的业务系统，以信用评分卡为主导的信用管理模式即将到来。     

美国《技术评论》杂志选出十大新技术领域

1.脑机界面 　　这是一个意义极其重大的竞争性领域，全世界只有约六个工作组在从事这一工作：更好地了解大脑的工作机制，然后利用这些知识制造移植系统，让大脑得以控制计算机和其他机械。杜克大学神经生物学家 Nicolelis称这种系统为“脑机混合界面”。最近，他与麻省理工学院的人机感触实验室合作，在脑机混合界面领域成功地迈出了重要的第一步：把一只猴子的个别神经细胞产生的信号发送给一台机器人，这台机器人利用这些数据实时模拟猴子手臂的运动。 　　Nicolelis预言，脑机混合界面最终将允许人脑控制为恢复丧失的知觉和运动功能而…     

数据挖掘项目的实施准备

跨入2004年，随着多个大型数据仓库项目的逐步实施,很多企业已经把企业的数据有效地整合到统一的数据模型之中,而且已经有了相当的历史数据积累,用户的应用需求也开始从初期的OLAP和报表分析向更深层次转变,包括CRM,数据控制专题等等。而对日益激烈的市场竞争，客户对迅速应答各种业务问题能力的要求不断提高，不仅要求回答如“发生什么”、“为何发生？”，     

数据挖掘中不可忽视的环节--数据预处理

在数据挖掘中,数据预处理占有重要地位。本文在介绍数据预处理概念的基础上, 分析了数据预处理的主要内容和方法。