中关村大数据风起云涌

全国最大规模和最有价值的数据资产，成为中关村大数据产业发展得天独厚的优势。 中关村大数据技术发展已与硅谷同步，海量数据挖掘等技术都处于国内领先地位，大数据产业链雏形已经初步显现     

基于个性化导购的商品智能动态推荐系统

为了节省顾客商品选购时间,帮助顾客从海量商品中快速找寻意购物品,本文尝试将关联规则与个性化导购相结合,引入FP-tree关联规则算法,利用商品推荐公式中的关联度,同时综合利用商家利益最大化、热销商品等因素,建立商品推荐综合评分公式。基于综合评分值对待推荐商品进行动态排序,并将排序结果推送给客户,实现个性化商品智能动态推荐服务。     

分析让保险企业更智能

当今的保险企业正面临比以往更为严峻的竞争压力,比如产品同质化程度高,价格战激烈,优秀营销代理人的流失,以及局部地区的行业增长放缓等等.随着市场压力的增大,保险企业正在寻求有效利用业务分析获得竞争优势的方法.作为提高IT治理建设水平的有效手段,     

数据挖掘技术在计算机网络病毒防御中的应用探究

随着互联网的快速发展,网络信息与数据安全变得越来越重要,这关系各个领域的网络隐私安全。数据挖掘技术是一种旨在提高互联网信息安全的技术,它可以有效地提高互联网的信息安全和病毒防御。本文对计算机网络数据挖掘技术(Net Data Mining)NDM进行描述和探索,探究计算机网络病毒防御中数据挖掘技术的一些关联工具和结构,重点对数据挖掘算法进行描述,如决策树、关联规则等,这些有助于加强病毒的防御,最后通过模型来解决计算机网络病毒防御中的问题。     

基于微博平台的舆情分析研究综述

微博作为当前社会中最重要的社会信息传播平台,具有快速、高效、方便的特点。人们越来越依赖微博来进行社交活动,微博平台每天所产生的信息量越来越大,这其中蕴含了大量有价值的信息,因此,针对微博平台的数据挖掘引起了很多学者的关注和研究。为全面了解当前国内微博研究的发展现状,分析了现有的对微博方面的研究并对其进行总结。     

基于关联规则Apriori算法的学生成绩分析

关联规则挖掘是数据挖掘领域研究的热点问题,其中Apriori算法是经典的关联规则算法。将关联规则Apriori算法应用到学生成绩分析中,挖掘出课程与课程之间的相互关系,寻找各方面影响学生成绩的因素,发现隐藏在数据背后有价值的信息,从而为学生选课和教师教学以及教学管理工作等提供辅助性的建议与决策。     

基于模糊局部离群因子(LOF)的信用卡欺诈检测研究

异常检测是数据挖掘领域研究的基本问题之一,已被广泛应用于网络入侵检测、信用卡欺诈侦查等领域。局部离群因子(简称LOF)算法是一种具有较好检测效果和适用性的基于密度的异常点检测算法,但该算法没有考虑邻域的影响。通过对传统LOF算法进行改进,得到考虑邻域对检测结果影响的模糊LOF算法(简称NFu-LOF),并分别应用改进前后的算法对信用卡数据集进行检测和分析,实验结果验证了NFu-LOF算法的有效性。     

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。     

一个平台实现程序化购买

正随着程序化广告发展热潮带来的效率提升,企业在把越来越多预算放到程序化购买里时,都想要拥有一个整合的、投放过程透明的、操作简单的平台。从程序化购买在中国兴起,经过近几年的发展,这一概念正在向着互联网广告领域的主流道路前进。尤其面对互联网媒体资源在数量以及种类上也在快速增长越发多样化,不同广告主的需求也在日益多样,越发意识到投放效果、操作智能的重要性。但是,随着市场的升温,程序化购买过程中包括Ad Exchange、DSP、DMP等     

数据挖掘在商场CRM中的应用研究

随着市场竞争的加剧和消费者的需求日趋个性化，如何在快速多变的市场中保持老客户与争取新客户成为关乎各大商场成长和发展的关键，以客户为中心的客户关系管理（CRM）思想就在这样的一个环境和变化中逐渐为银行所重视与推崇，在日常管理中逐渐成为注目的焦点。成功地实施一个CRM项目．关键在于如何对客户与商场交互过程中的各种数据进行收集、分析，挖掘出隐含在数据中的有用信息，然后用分析所得的知识做出决策，这需要先进的技术和工具的支持，数据挖掘技术的出现为商场CRM的实施提供了良好的支持。