基于数据挖掘的英语四级成绩分析与预测

阐述了数据挖掘的概念和算法,重点介绍了线性回归算法,基于多元线性回归算法分析了影响大学英语四级的诸多因素。根据数据挖掘思想,收集历史数据并适当加以变换,使用统计分析技术对影响大学英语四级的诸多因素进行分析,得出了大学英语四级成绩与其影响因素之间的线性回归关系,拟合程度较高,可用于四级成绩预测,对学生学习和学校教学管理有很大的指导作用和使用价值。     

基于数据挖掘的英语四级成绩分析与预测

阐述了数据挖掘的概念和算法,重点介绍了线性回归算法,基于多元线性回归算法分析了影响大学英语四级的诸多因素。根据数据挖掘思想,收集历史数据并适当加以变换,使用统计分析技术对影响大学英语四级的诸多因素进行分析,得出了大学英语四级成绩与其影响因素之间的线性回归关系,拟合程度较高,可用于四级成绩预测,对学生学习和学校教学管理有很大的指导作用和使用价值。     

数据挖掘在学生专业成绩预测上的应用

学生特征的提取以及学习效果预测一直是教育数据挖掘领域的热门课题。本文将结合国内高校教育现状和现有的教育数据挖掘成果,以weka作为实验平台,应用C4.5算法对本科生的专业培养数据做建模分析以及成绩预测,通过采集到的实际数据做实验验证,找到潜在于成绩信息之中的学生行为规律,为提前干预学生学习行为,优化教育决策做出有意义的指引。     

模糊数据挖掘技术在交通量预测中的应用

城市公路交通量预测不仅对于区域交通规划有重大意义，而且还直接影响到交通控制的效果。在预测前采集的数据比较多时，系统复杂，精确化能力会降低，即模糊性更强，因而仅靠复杂的算法和推理并不能完全发现知识。该文基于数据挖掘技术，提出了一种模糊数据挖掘方法。     

数据挖掘技术在税收预测分析中的应用

本文从数据挖掘预测功能的角度介绍了数据挖掘技术,并阐述了各种方法在税务中的应用。重点介绍了两种常用于税收预测的算法,并结合税务部门的特点,给出了一个对实际工作有指导意义的预测方法。     

数据挖掘在电力系统负荷预测中的应用

电力系统负荷预测是电力部门日常重要工作,传统的预测方法有很多缺点,并不能真实地反映负荷变化规律。数据挖掘技术具有强大的数据处理能力,可以从海量数据中发现有价值的规律。通过对电力系统实际负荷特性的分析,利用数据挖掘算法,建立合理准确的数学模型,最终得出精确的预测结果。     

数据挖掘在河道洪水准确预测中的应用研究

研究河道洪水的准确预测问题。由于水文数据是河道过去某些较短时间段内获取的数据,不能完整包含河道特性,使得较短的水文数据中的预报因子较难提取。传统的预测方法是直接提取水文数据中的预报因子,不能保证预报因子的准确度而造成预测准确性不高。为此,提出数据挖掘技术应用在河道洪水预测中。对水文数据进行分组后根据模糊算法对数据进行优化,采用数据挖掘算法找到水文数据隐藏的深层规律,并据此提取出预报因子,避免直接从较短的水文数据中提取预报因子而不准确的问题,最终根据关联规则构建洪水预测模型,并输入预报因子和降水值完成洪水预测。实验表明,这种方法能够从较短水文数据中有效提取预报因子,准确完成河道的洪水预测。     

数据挖掘在高校招生预测中的应用研究

高校招生人数准确预测问题,高校招生人数由于受到当前国家政策、社会需求、社会经济状态等因素综合影响,使招生人数变化存在非线性、复杂性。传统预测线性模型难以进行准确预测,预测准确率低。为了提高高校招生人数预测准确率,提出一种数据挖掘的高校招生人数预测模型。首先采用数据重构方法,获取多维高校历史数据,然后采用主成分分析对其进行处理,消除数据之间的重复信息,最后采用非线性预测能力强的支持向量机进行建模。采用某高校1994-2010年招生数据对模型的性能进行仿真,预测准确率高,证明建立的模型可以为高校招生未来人数预测提供参考。     

数据挖掘技术在经济预测中的应用

研究区域经济预测准确率问题,区域经济变化具有高度非线性,各影响因子存在信息冗余,系统存在随机性,造成传统预测方法的预测准确率较低。为了提高区域经济预测准确率,利用数据挖掘中主成分分析的BP神经网络优势,组成一种新的区域经济预测模型。首先对区域经济影响因子进行主成份分析,消除各影响因子之间的冗余信息,减少了BP神经网络的输入变量,加快了学习速度,最后通过某地区1985-2005年经济数据对模型性能进行验证性测试,实验结果表明,新模型提高了区域经济预测的准确率,研究成果具有一定的推广和应用价值。     

基于规则的离群数据挖掘在病虫害预测中的应用研究

描述了离群数据挖掘的基本理论以及经典算法,提出附加约束的基于规则的离群数据挖掘算法,并根据过去几十年数据的特点,提出了一种运用离群数据挖掘进行病虫害预测的模型。实验证明,通过对实际病虫害气象数据进行挖掘,预测的结果合理,预测效率提高。     

数据挖掘在仓库物资补给预测中的应用研究

介绍使用数据挖掘工具SQL Server 2005 Data Mining、SPSS／Clementine进行仓库物资补给预测的方法和步骤并就使用两种教据挖掘工具,利用不同的挖掘算法进行物资补给预测的结果进行比对分析,以便使库存数量和成本之间取得平衡。     

贝叶斯动态模型及其预测算法在数据挖掘中的应用研究

通过对贝叶斯预测过程的研究,提出了应用于数据挖掘的10类贝叶斯动态模型及其预测算法、并解决了非线性动态模型的线性化问题。以该模型及算法建立的数据挖掘系统经过实例测试其效果很好,有较高的理论和实用价值,可以在政府、企业等领域内推广应用。     

数据挖掘和动态神经网络在负荷预测中的研究与应用

中长期负荷变化规律与社会经济指标的关系很难用一个准确的数学模型来表达。将数据挖掘技术应用到全社会用电量增长的关联分析中,从2000年以来的社会经济指标中选取多项组成相关因素数据库,对缺失数据进行了补全,使用聚类分析挖掘出与全社会用电量关系密切的若干指标,并对指标中的失真数据进行修正,构建了更加科学的负荷预测模型。通过时间序列的动态神经网络,对负荷预测模型进行了测试和验证,结果表明该预测模型具有很好的收敛性,效果令人满意。     

数据发掘技术在一类电力负荷预测中的应用

介绍了数据发掘中的关联规则在一类电力负荷预测中的应用,对时序数据库向关系型数据库的转化问题做了一定的探讨并且实现了该文所讨论的问题中的转化。文章所提出的预测方法在应用中取得了较高的预测精度。     

数据挖掘及其在电力负荷预测中的应用

电力负荷预测作为电力生产部门的重要工作之一,是根据电力负荷历史数据和其他各类相关影响因素进行预测的,因此,其预测精确度很大程度上取决于历史数据的准确程度.数据挖掘为分析各种海最的、复杂的、含有噪声的数据提供了新的方法.针对电力系统的基本特征,提出一种基于最优区间分割和单调递减阈值函数的聚类方法,然后应用Kohonen网提取相关负荷的特征曲线,并将其用于不良数据的校正.通过对电力负荷的仿真分析验证了该算法的有效性.     

数据挖掘中数据约简的研究与应用

数据约简是数据挖掘中的一个重要领域.由于海量数据集在决策支持和数据管理方面引发很多问题,因此在数据预处理阶段通过层次分析法约简数据集中的属性,通过距离度量统计变量约简数据记录,从一个大数据集中选择一个子集,可以更加有效地进行数据挖掘.     

数据挖掘在GIS中的应用研究

论述了GIS在数据处理方面面临的新问题,以及数据挖掘技术的概念和基本特点。主要是为了说明在GIS中运用数据挖掘技术的方法:通过选取感兴趣的数据子集,结合其它知识,初步发现隐藏在GIS数据中某些特征和规律。将可以有效利用现有GIS数据,具有良好的发展前景,已经引起GIS界的关注。并通过一个实例来说明在GIS进行数据挖掘的基本方法。     

数据挖掘技术在教学中的应用研究

论文基于数据挖掘的理论背景,着重阐述了其中关联规则和决策树两种方法,并将其应用到教学工作中。通过研究分析,使用关联规则方法,能更好地进行教学情况预测和教学效果评估;决策树方法能在毕业论文、课程选择等方面进行分析指导。最后,指出数据挖掘方法在教学中应用的发展前景。     

数据挖掘技术在高职成绩分析中的应用

随着高职招生规模的不断扩大,学生人数大量增加,如何将数据挖掘技术中的关联规则、分类方法引入到成绩分析中,根据挖掘结果有针对性的提高教学质量时本文讨论的重点。     

Web数据挖掘技术在电子商务中的应用研究

电子商务的蓬勃发展使企业产生了大量的业务数据,如何有效管理和使用这些海量数据具有重要的现实意义,因此Web数据挖掘成为商务活动的迫切需求。本文介绍了Web数据挖掘技术及其在电子商务中的应用。