SAS数据挖掘在钢铁终轧温度控制中的应用

企业可以通过数据挖掘技术实现从数据到信息、信息到知识的提炼,这能为公司的生产经营决策提供有效支持。SAS数据挖掘技术是众多数据挖掘方法中的佼佼者,它在大型企业中得到很好的应用。介绍了数据挖掘的基本知识,以及SAS数据挖掘技术在钢铁企业生产管理中的应用实例。通过SAS数据挖掘的深层次分析,在热轧钢卷终轧温度控制管理中,找到了降低缺陷钢卷数量的有效途径：即推广低温轧制技术以及减少同一热轧带钢上的终轧温度差。     

防洪调度及水资源管理数据挖掘系统研究

采用美国SAS数据挖掘软件,在对我国防洪调度及水资源管理需求详尽分析的基础上,探索了数据挖掘技术在防洪调度及水资源管理方面的应用理论、方法及技术;研究了商品化数据挖掘软件与防洪调度及水资源管理需求相结合的具体方法,建立了太湖流域和中央节点的防洪调度和水资源管理数据仓库系统;分析研究了数据应用的基本模式,提出了数据挖掘的主题,运用SAS数据挖掘套件建立了基于数据仓库的防洪调度及水资源管理数据挖掘系统。     

NCR SAS全球联盟数据仓库与挖掘二合一

NCR和SAS日前宣布建立全球性战略联盟,SAS数据管理、数据挖掘、数据析取及数据转换工具都将被集成到NCR数据仓库解决方案中,以提高NCR数据仓库的价值,并使NCR Teradata RDBMS数据仓库引擎的应用得到扩展。两家公司将双方在数据仓库、数据挖掘和数据     

SAS数据挖掘技术的实现

在数据挖掘方面,SAS公司不仅提供了完整有伸缩性的模块化工具,还在挖掘过程中提供了从数据取样(Sample)、数据探索(Explore)、数据调整(Modify)、模型研发(Model)到模型综合解释和评价(Assess)的完整科学的SEMMA方法论。下面,笔者将向大家介绍SAS的数据挖掘产品及其在国内外的应用实例。     

基于SAS／EM的图书借阅数据关联规则数据挖掘

以SAS数据挖掘系统EM模块中的Association节点为关联规则数据挖掘平台,对经过数据预处理的读者借阅数据进行关联规则数据挖掘,揭示数据间的关联关系,用来指导图书馆图书借阅工作和采购工作。     

基于SAS-WEBLOGIC的数据挖掘模型及应用

提出了一种基于SAS-Weblogic的数据挖掘模型,SAS作为数据挖掘语言处于模型的核心,Weblogic作为中间构件,负责SAS数据集联系前端浏览器和后台数据库,起着监控和管理作用.该模型适用于大中型数据挖掘应用,为现代企业提供了一种重要的决策支持系统模型.最后通过实验证明了模型的有效性.     

计算机数据挖掘技术及其应用研究

随着计算机应用的越来越广泛,无时无刻不在产生大量的数据信息,数据挖掘技术能够实现从海量数据信息中提取有价值数据。数据挖掘技术的应用需要经历翻译数据、预处理数据、数据建模3个过程,最终得到数据挖掘的结果。计算机数据挖掘方法主要有轴线型数据挖掘法、环形数据挖掘法等,在行政管理、市场以及其他方面有着广泛的应用。     

网络环境下利用SAS时间序列分析校园网络社群

数据挖掘技术是现代社会信息化发展的产物,主要是利用各类数据渠道,挖掘潜在的知识、信息,数据挖掘技术的利用更加偏重于过程,目前越来越多的隐含知识迫切需要被开采,以便发现更多有用的信息。因此,通过SAS时间序列分析校园网络社群,探讨校园网络社群的情况,为提高校园网管理水平提供理论依据和决策支持。为高校信息化建设提供借鉴和参考．     

基于免疫的神经网络数据挖掘

本文着重探讨数据挖掘算法在财务数据分析中的应用。以上市公司的财务信息为实验数据,将基于免疫的神经网络挖掘模型应用于财务风险识别。SAS在金融领域一直有着广泛的应用,鉴于其完美的企业数据挖掘的解决方案,本文采用SASEM来进行挖掘实验。     

数据预处理技术在劳动保障信息系统中的应用

数据挖掘是一种知识发现技术,近年来得到了快速的发展。数据预处理是数据挖掘过程中的一个重要步骤,尤其是在对包含有噪声、空缺,甚至是不一致数据进行数据挖掘时,更需要进行数据的预处理,以提高数据挖掘对象的质量,并最终达到提高数据挖掘所获模式知识质量的目的。本文讨论了在劳动保障数据挖掘工作中,如何应用数据预处理技术。     

基于SAS的Web使用日志用户聚类分析

基于SAS的Web使用日志用户聚类分析,即通过SAS数据挖掘工具将由Web使用日志数据经过数据转换和数据预处理后形成的用户事务表数据运用不同的方法进行聚类分析,以达到根据不同类别用户的需求对数字资源进行合理的采购和管理,为用户提供个性化服务的目的。     

聚类分析在高校图书馆读者管理中的应用

利用SAS数据挖掘软件和SQL Server2000构成的数据挖掘模型对读者数据进行聚类分析,通过TREE过程将聚类结果以树状图的形式展示出来,得到读者群体的分类并依据分类为读者提供个性化服务。     

数据特征对工业控制模型建模的影响

研究了若干由数据特征引起的工业控制模型统计建模结果与理论知识不符的现象,为全面理解及合理判断建模统计分析结果提供了帮助。利用SAS等统计工具,模拟工业现场数据,生成了大量实验数据。利用数据挖掘的统计分析方法对实验数据进行了深入的分析。工业现场数据的数据特征具有不同的特性,这种特性是导致工业控制模型统计建模结果与理论知识不符的现象产生的主要原因。对工业过程生产数据进行预处理时,由于改变了数据的数据特征,造成的利用最小二乘法估计的模型参数有偏以及线性关系呈现非线性的假象。变量间复杂的内在关系会导致简单利用变量间的相关系数判断变量间的线性关系的分析结果与理论知识不符的现象产生。研究结果为宝钢精准选样模型及带钢性能动态控制模型的建模提供了理论参考。     

SAS/OWA: ordered weighted averaging in SAS optimization

This paper explores the use of the optimization procedures in SAS/OR software with application to the ordered weight averaging (OWA) operators of decision-making units (DMUs). OWA was originally introduced by Yager (IEEE Trans Syst Man Cybern 18(1):183–190, 1988) has gained much interest among researchers, hence many applications such as in the areas of decision making, expert systems, data mining, approximate reasoning, fuzzy system and control have been proposed. On the other hand, the SAS is powerful software and it is capable of running various optimization tools such as linear and non-linear programming with all type of constraints. To facilitate the use of OWA operator by SAS users, a code was implemented. The SAS macro developed in this paper selects the criteria and alternatives from a SAS dataset and calculates a set of OWA weights. An example is given to illustrate the features of SAS/OWA software.     

基于数据挖掘的电信客户流失模型的建立与实现

文章介绍了利用数据挖掘技术处理电信行业中的客户流失问题,包括建立客户流失预测模型的过程及对模型的评价,并且使用数据挖掘工具SAS/EM实现了整个建模过程。     

基于客户细分的客户流失预测研究

分析了电信行业客户关系管理系统的数据独有特点,提出基于客户细分的客户流失预测模型.首先,采用模糊核C-均值聚类算法用于客户细分并对细分结果进行分析,发现高价值客户的群体特征.再利用企业历史数据建立基于SAS数据挖掘技术的客户流失预测模型.最后,把高价值客户作为预测目标数据应用于该模型当中预测出有流失倾向的客户.实验结果表明,该方法有效可行,可以为企业提供准确、有流失倾向的客户名单.     

利用聚类技术对图书馆读者社群的研究分析

以图书馆读者借阅量数据为实例,利用统计分析系统(SAS)的聚类技术对图书馆读者社群进行数据挖掘.先对图书馆借阅量数据进行预处理,然后进行聚类分析,最后用Average法、Ward法和Single法分别进行聚类方法的比较研究,探讨高校图书馆的读者社群分类情况.研究结果表明,Average法更适合数据较平均的数据分析,分析结果可为管理者的决策提供科学依据.     

基于数据挖掘的移动通信业客户流失预警系统设计

借助SASEM平台。对移动通信业务数据使用数据挖掘算法建立客户细分模型,能够刻画移动通信客户的行为特征,并以此建立客户流失预测模型。从而建立一个移动通信业客户流失预警系统。实践证明,该方法实用、可操作性强,对支持企业客户关系管理产生了积极的影响。     

基于数据挖掘的移动通信业客户流失预警系统设计

借助SASEM平台,对移动通信业务数据使用数据挖掘算法建立客户细分模型,能够刻画移动通信客户的行为特征,并以此建立客户流失预测模型,从而建立一个移动通信业客户流失预警系统。实践证明,该方法实用、可操作性强,对支持企业客户关系管理产生了积极的影响。