数据挖掘技术在网络教学系统中的实践研究

通过《多媒体技术应用》网络课程开发中数据挖掘技术功能分析,研究了数据挖掘技术的分类方法、聚类方法、关联规则等在网络教学系统中应用,及两者融合的总体设计方案。     

数据挖掘在学生校内活动情况分析中的应用

以一个J2EE框架下的"学生校内活动情况分析系统"为例,通过从校园一卡通中提取数据进行分析和研究,展现了数据挖掘技术在研究学生校内活动情况、学生行为分析中的应用,为学校的教学与管理提供了决策依据。主要介绍了"学生校内活动情况分析系统"实现的核心模型。首先利用K-means算法对学生进行分类,然后对已分类的学生人群使用Apriori算法进行关联规则挖掘。对挖掘出的关联规则又进行了详细的分析,进一步验证了系统的有效性。     

数据挖掘在电力系统中的应用综述

电力系统各种数据现已呈现爆炸性增长态势,数据挖掘技术将会扮演越来越重要的角色.主要介绍数据挖掘技术及其相关的应用,以及数据挖掘的交叉产业标准(CRISP-DM)和主要方法.结合电力系统的自身特点,分析数据挖掘在电力系统当前的主要应用动态及应用前景.     

遗传算法编码设计及其在数据挖掘中的应用

数据挖掘就是从大量的数据中提取或者“挖掘”知识,从而实现对数据资源的有效利用．关联分析是数据挖掘诸多功能中应用最广泛的一种．关联分析用于发现关联规则,关联规则描述了给定数据集的项之间的有趣联系．提出了一种基于遗传算法的关联规则的挖掘算法．在关联规则的编码方面,提出了对个体进行变长编码的方法,从而在一定程度上减少了无效规则的数目;在适应度函数的构造方面也进行了一些改进;针对规则库的覆盖问题,采用标志位的方法,对挖掘过的规则设置标志,避免规则重复挖掘．     

数据挖掘技术在电子商务中的应用

介绍了数据挖掘的基本技术以及进行挖掘前必要的数据准备（预处理）工作,并结合具体实例说明了数据挖掘技术在电子商务活动中的客户群体划分、关联规划发现、时间序列模式发现、异常发现这几大类应用。     

数据挖掘及其应用

从数据库的应用发展方面，描述了数据挖掘的概念，讨论了数据挖掘的主要算法，给出了数据挖掘的应用概况及其实例．     

空间数据挖掘在CRM中的应用

为提高客户关系管理水平,提出建立空间型智能CRM,并给出了基于空间关联规则的空间数据仓库知识发现算法,最后通过一个实例证明了该模型和算法的可行性。     

数据挖掘方法在入侵检测系统中的应用

介绍了入侵检测的概念及其技术方法,比较了异常检测与误用检测方法的优缺点,探讨了数据挖掘技术在异常检测中的应用,分析了数据挖掘方法中的关联分析、序列模式分析和分类分析在入侵检测系统中的协同工作方式,通过对用户行为模式的挖掘,得到入侵规则．     

数据挖掘在医保系统中的应用

随着计算机技术的不断发展,计算机管理已经逐渐步入各个行业,而职工福利待遇体系中十分重要的医疗保险行业则更为迫切的需要借助计算机对繁杂的日常事务进行处理。本文中的医疗保险系统就是计算机技术在医疗保险行业的一次应用,并且将模糊数据挖掘应用到该系统中,也是数据挖掘技术在医疗保险领域应用的一次尝试。     

数据挖掘中关联规则在零售业中的应用

目前,在需要处理大量数据的科研领域中,数据挖掘受到越来越多的关注。我们可以利用数据挖掘技术从海量数据中发现有用信息,帮助商家了解客户以往的需求趋势,并预测未来,从而给商家带来巨大的利润。在国内很多领域,尤其在银行、零售(如超市)等商业领域,数据挖掘所能解决的典型问题包括:客户群体划分、应用背景分析、销售额分析等市场分析行为,以及客户流失性分析、客户信用积分等。在数据挖掘领域,采用关联规则在大型事务数据库中进行数据挖掘是一个重要的研究内容。     

Apriori算法的改进及其在电力数据挖掘中的应用

数据挖掘是近年来数据库领域的研究热点之一,在电力系统中有很好的应用前景．文章首先分析了当前Apriori算法及主要的改进算法,在此基础上提出了一种快速产生候选频繁项集的新的Apriori改进算法,并就Apriori算法在电力系统数据挖掘中的应用进行了分析．     

数据挖掘技术及其在高校教学系统应用的研究

高校教学系统作为大学数字化教学的一个重要组成部分,运行多年已经积累了大量的数据,但并没有得到很好的挖掘和研究。本文结合高校管理系统与数据挖掘技术对教学质量评估进行了研究,提出了教学质量评估分析主题。给出了基于SQL Server的数据挖掘解决方案,运用关联规则方法进行研究,介绍了相关算法,并进行了优化。最后对相关数据进行挖掘,对实验结果做出了初步分析,所得出的结论对高校教学工作具有一定的指导意义。     

电信系统数据挖掘算法的应用

本文结合电信业务需求,分析了数据挖掘技术在通信领域的应用,介绍聚类分析和关联规则分析算法,并且对电信业务系统的历史数据进行分析,进行相应的数据挖掘实施过程,并对挖掘结果进行分析.为运营商的经营和决策提供了有力的技术支持.     

数据挖掘关键技术在人事管理中的应用研究

主要探讨了数据挖掘关键技术在人事管理系统中的应用.传统的人事管理系统主要面向事务处理,运用数据挖掘技术的关联规则和聚类分析并结合Clementine 10.1对事业单位人事管理系统中的海量数据进行分析,挖掘出该系统中人员信息的潜在关系和有效规则,分析可能存在的问题,为事业单位的人事管理提供有价值的决策依据.     

时态数据挖掘的探讨

数据挖掘是指从大型数据库或数据集的数据中提取人们感兴趣的知识。在现实世界中,信息系统往往涉及到时态数据。本文试图数据挖掘和时态数据相结合来讨论时态数据挖掘的有关问题。首先简要讨论时间表达式的描述;然后提出有关时态模式和时态关联规则的若干定义;最后讨论时态数据挖掘语言(TDML)的描述并给出一个实例。     

数据挖掘在网络教学评价中的应用

随着互联网和教育事业的日益融合和发展,网络教学已成为当今教育研究热点.通过关联规则对学生的教学反馈信息进行挖掘,寻找网络教学过程中有价值的信息,从而达到提高教学质量的效果.     

数据挖掘在物流企业关键客户组合业务中的应用

针对物流企业数据量大的特点以及难以有效利用历史数据为企业的决策提供信息支持的不足,提出一种利用数据挖掘技术拓展企业业务范围的新方法。运用Clementine软件,依据K-means聚类算法找到物流企业的关键客户,对其原有业务记录进行Apriori关联分析,形成相关联的组合业务推广模式。     

基于数据挖掘技术的入侵检测系统

在将数据挖掘技术应用到入侵检测系统中的基础上，针对网络入侵的实际特征，对传统的FP-growth关联规则算法进行了改进，并引入关键属性约束来指导频繁模式的挖掘过程。改进的FP-growth算法在挖掘规则过程中有效地降低了空间的损耗量，大大地提高了系统挖掘效率，从而指导系统挖掘出更有意义的频繁模式。     

数据挖掘系统研究

结合当前数据挖掘系统发展状况,分别介绍了集中式和分布式的数据挖掘系统,并着重对集中式数据挖掘系统中的各个组成部分及其具体实现技术做了详细的介绍,同时对集中式和分布式的数据挖掘系统目前的发展状况分别做了总结.提出了数据挖掘系统的研究方向和发展趋势:增强可视化和交互性,提高可扩展性,与特定行业应用相结合,遵循统一标准和支持移动环境中数据的挖掘.对数据挖掘系统的发展做了简要的总结和展望.     

起重机械检验数据挖掘系统的设计与实现

利用数据挖掘技术,开发了起重机械检验数据挖掘系统,为检验起重机械安全运行性提供了一种有效决策模型。系统采用决策树分类,实现了对起重机械的故障诊断;利用关联规则,对起重机械缺陷、失效进行相关性分析。系统运行结果表明,该系统具有一定的应用价值。