Oracle RAC 10g高可用系统负载均衡测试与分析

数据挖掘技术是一种新的信息处理技术。其目的是从海量数据中抽取潜在的,有价值的数据规律或数据模型。通过数据挖掘技术对高校教学数据的分析处理,能够形成真正有价值的知识,向决策者提供信息支持,有利于推动学校教学改革和建设的全面发展。该文主要针对现行高校实际运作的学分选课数据库系统,以关联规则挖掘为例,提出简单而可行的数据挖掘应用实施办法。     

数据挖掘在青海大学教学评估中的应用

数据挖掘技术是从海量数据中得到有价值的信息,关联规则挖掘是应用最广泛的数据挖掘方法之一。本文介绍了在高校现代化的管理中,如何积累大量的数据和信息,以便应用数据挖掘技术得到相关管理决策的信息和参考。     

基于大数据挖掘分析的高校信息化建设探索

高校信息化建设过程中积累了大量的数据资源,如何利用数据挖掘技术获取有价值的信息是高校大数据分析中的一个重要问题。介绍了几种典型的数据挖掘技术,并且通过分析其在学生信息管理中的应用,说明了数据挖掘是一种在高校信息化建设中提高学校的管理能力和科研教学水平的有效技术。     

数据挖掘技术在高校学生管理中的应用

数据挖掘技术是一种新的信息处理技术.其目的是从海量数据中抽取潜在的,有价值的数据规律或数据模型.通过数据挖掘技术对高校教学数据的分析处理,能够形成真正有价值的知识,向决策者提供信息支持,有利于推动学校教学改革和建设的全面发展.本文提出了现代高校学生管理工作的新模式,并就一个管理决策的应用模式进行了实例分析.     

基于数据挖掘的排课选课系统设计与实现

目前,许多高校都具有相应的排课选课系统,这些系统中存在着大量的原始数据。通过挖掘数据信息,可帮助高校相关部门进行教学资源合理分配,并设计出相应的排课选课系统。本文探讨了数据预处理和数据挖掘技术,并基于数据挖掘技术对高校排课选课系统的设计和实现进行了相应研究,通过使用关联规则中的相关算法对选课数据进行挖掘,得到了一些有价值的规则信息,并展现出了良好的应用效果。     

关联规则在基于学分制的选课系统中的应用

高校选课系统中存储了大量的数据,利用数据挖掘技术的关联规则挖掘,可以从大量的数据中发现有价值的规则.以高校选课系统为应用背景,对学生成绩进行分析,得出部分合理、可靠的课程相关性规则,为学分制体系下学生选课提供指导.     

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。     

大数据技术在高校教育改革中的应用

随着科技的进步,网络技术迅猛发展,大数据技术也随之发展.大数据也影响着社会的各行各业的发展,高校教育事业离不开数据,通过大数据的数据挖掘技术,能够推动高校教育事业的发展.本文介绍了在大数据背景下的数据挖掘技术,并对高校教育改革中数据挖掘技术的应用进行了研究.     

数据挖掘技术在商业活动中的应用

数据挖掘作为一种系统地检查和理解大量数据的工具,能有效地帮助商业企业从不断积累与更新的数据中提取有价值的信息。因此,数据挖掘被引入到商业市场研究领域,并日益受到重视。本文从数据挖掘技术入手,分析了数据挖掘在商业活动中的应用。     

浅谈数据挖掘技术在呼叫行业中的应用

数据挖掘可以从大量的数据集合中有效地发现有价值的信息,本文从呼叫行业入手,分析数据挖掘技术在呼叫行业中应用的可能,阐述了数据挖掘技术应用的意义与作用,分析了面临的问题和应对措施,并对呼叫行业应用数据挖掘技术作了展望。     

基于RIPPER的旋转机械故障诊断知识获取

数据挖掘技术能够从大量、不完全、有噪声、模糊、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的本质的规律。为了有效地发现旋转机械故障诊断过程中的故障征兆知识,引入数据挖掘技术和方法。针对旋转机械,构建了基于重复增量修枝算法RIPPER（Repeated Incremental Pruning to Produce Error Reduction）的故障诊断知识获取系统。通过收集故障现象并整理成由故障征兆、故障类型等组成的故障信息样本,应用RIPPER算法对故障进行分析得到故障诊断规则集文件,实现故障诊断系统知识的获取和自动更新,并能对旋转机械的常见故障进行诊断,验证了算法的合理性。     

教育信息化中课程考试成绩数据关联模式的发现

面对海量的教育信息化数据,如何发现和分析隐藏在这些数据中潜在的、有价值的知识和教育模式,更好地为教育教学决策提供科学依据,成了亟待解决的问题。本文提出一种新的课程成绩数据关联模式发现算法。该算法针对课程成绩数据的特点,给出课程数据模型,采用矩阵加权模式发现技术对课程成绩数据进行模式挖掘,发现课程成绩数据中隐藏的数据关联规则。通过模式分析得出课程教学中的教学规律和问题,为教学管理、教学改革与决策提供科学依据。实验表明,与现有关联模式发现算法比较,本文提出的算法更有效、合理。     

关联规则理论研究及其在教学中应用

简要介绍了数据挖掘技术，详细分析了关联规则挖掘算法。分析和指出了现有一些关联规则算法的优缺点。对教学信息库进行数据挖掘．寻找高校教学体制中各因素间的并联关系．为高校管理决策提供了科学依据。     

关联规则理论研究及其在教学中应用

简要介绍了数据挖掘技术,详细分析了关联规则挖掘算法。分析和指出了现有一些关联规则算法的优缺点。对教学信息库进行数据挖掘,寻找高校教学体制中各因素间的并联关系,为高校管理决策提供了科学依据。     

数据挖掘中关联规则算法的研究

近些年来,计算机技术迅猛发展带动信息技术的兴起,数据挖掘技术被广泛地应用到各个领域当中。这个新兴的领域为数据挖掘技术提供了最为活跃的算法,即关联规则算法,其能够对于大量的数据和信息进行处理,通过将繁琐的项集从数据库中找出来,经过整理之后,将项集之间的关联关系建立起来,从中挖掘出有价值的数据信息,以在一定程度上满足不同领域的需要。本文针对数据挖掘中关联规则算法进行研究。     

使用数据挖掘工具Weka

当今社会,数据无处不在,数据挖掘技术作为一种新的信息处理技术,从海量的数据中找出有潜在价值的数据规律或数据模型。用人工的方式难以实现这个目标,Weka是一种可用于数据挖掘的工具,数据挖掘用户可使用Weka执行数据预处理,分类,回归,聚类,关联规则等任务。以Weka自带的数据集为例,详细介绍作为易于使用的数据挖掘工具Weka的使用。     

基于改进多层次模糊关联规则的定量数据挖掘算法

针对单一层次结构实现规则提取具有规则提取准确性不高、算法运行时间长、难以满足用户使用需求的问题,提出一种基于改进多层次模糊关联规则的定量数据挖掘算法。采用高频项目集合,通过不断深化迭代的方法形成自顶向下的挖掘过程,整合模糊集合理论、数据挖掘算法以及多层次分类技术,从事务数据集中寻找模糊关联规则,挖掘出储存在多层次结构事务数据库中定量值信息的隐含知识,实现用户的定制化信息挖掘需求。实验结果表明,提出的数据挖掘算法在挖掘精度和运算时间方面相较于其他算法具有突出优势,可为多层次关联规则提取方法的实际应用带来新的发展空间。     

一种改进的关联规则算法探讨

随着以数据库、数据仓库等数据仓储技术为基础的信息系统在各行各业的应用,使海量数据不断产生。而数据采集手段的丰富,使获取、保存大量数据变得容易,从庞杂的数据中提取有用的知识和信息是数据挖掘的主要任务,关联规则是数据挖掘领域的一个重要分支。该文以数据挖掘为研究背景,讨论了数据挖掘中确定关联规则的一种方法,并提出改进算法。在研究算法的同时提供了一种数据项的二进制编码技术,对于提高数据信息的处理能力和可靠性有一定意义。     

关联规则挖掘在网上书店系统中的应用

数据挖掘技术是在大量的数据中发现未知知识的数据分析技术,利用数据挖掘技术分析客户数据,发现其中的规律,从而为商务决策提供依据.本文研究了关联规则的相关分析并应用于网上书店系统,实现客户订单数据的关联规则挖掘.     

基于拓展粗糙集的不完备表的规则挖掘及应用

实际应用中常存在缺省属性值的不完备信息系统,如何从不完备信息系统中挖掘有用规则是一个非常有价值的问题。粗糙集理论是一种有效的数据挖掘手段,但经典粗糙集缺乏对不完备信息系统的处理能力。在粗糙集拓展的基础上,设计出从不完备决策表中挖掘出有用规则的算法,并将其应用到银行贷款决策中不完备决策表的实例分析中。