基于粗糙集的属性约简在数据挖掘中的应用研究

属性约简是粗糙集理论知识获取中的关键问题之一。先利用差别矩阵求得核属性,再利用属性的重要度作为启发式去求约简,可取得合理的属性组合,避免了基于代数方法与基于信息熵方法的复杂运算。最后通过实例分析验证了算法的有效性与可行性。     

数据挖掘技术在客户关系管理系统中的应用

客户关系管理(Customer Relationship Management,CRM)是一种旨在改善企业与客户之间关系,提高客户忠诚度和满意度的新型管理机制,同时也是一种管理软件和技术.数据挖掘技术能对大量的数据及信息进行挖掘,从中发现潜在的价值高的关系,并利用模式或知识对客户需求进行预测,帮助企业做出决策.成功的数据挖掘是客户关系管理系统成功的关键.     

基于粗糙集理论的数据挖掘技术在学生综合素质测评中的应用

高校信息化的进程在信息技术的高速发展和高等教育制度改革,特别是在素质教育的大背景下不断地推进。将处理模糊和不精确问题的粗糙集理论融入到数据挖掘,并运用到学生综合素质测评中去,找出影响测评成绩的关键因素和各个因素之间的关联,为管理者提供有效地科学决策依据,最终提高高校管理质量与效率,培养出更多的德智体全面发展的大学生。     

数据挖掘在客户关系管理系统中的应用

本文讨论了CRM与数据挖掘相关技术的关系及其在销售、零售领域企业中的应用。运用数据挖掘的基本手段 ,结合销售行业的市场经营分析及CRM系统开发 ,提出了适合该行业的简单客户关系管理系统———客户服务的解决方案 ,并进行了部分实现。     

粗糙集结合遗传算法在数据挖掘中的应用

运用粗糙集,结合遗传算法理论,提出一种提取大型数据表决策规则的方法.首先依据条件属性的重要度,把条件属性加入到核属性集中,生成约简.然后选取一组规则编码作为原始种群,应用遗传算法寻求最优解.经过解码和分析做出推理和决策.     

数据挖掘技术在高职院教学评价中的应用研究

在高职院校教学管理中,教学质量评价是核心内容,正确的评价能有效地促进教学质量的提高。传统的教学质量评价还停留在简单的统计、备份和查询阶段,并没有对这些数据进行深入的分析,影响理解教学质量的深层次的原因。对教学评价的数据进行分析,并对教学评价本身的方法进行研究,对教学质量有着重要的意义。该文探讨了数据挖掘相关技术与粗糙集的基本理论,同时介绍了数据挖掘的常用工具,得出数据挖掘技术适合用于教学评价研究的结论。     

粗糙集理论在医学数据挖掘中的研究与应用

如何有效地挖掘和利用医疗活动过程中所产生的大量医学信息资源,使之有效地服务于医学的科学研究和临床诊断是医学信息数据挖掘所面临的主要问题.本文首先介绍目前医学数据挖掘研究的特点和现状,以及其区别于其它一般数据挖掘方法的地方;然后探讨粗糙集理论在医学乳腺X片数据挖掘中的应用,最后分析和总结实验中涉及的一些关键问题,并对未来...     

数据挖掘技术在哮喘疾病诊断中的作用研究

在对哮喘疾病分析的基础上,结合数据挖掘技术的粗糙集理论,对哮喘病人生理数据库中的数据进行医学数据挖掘,从中寻找哮喘病人的发病特征及其相关性,为医生对哮喘病人进行诊断、治疗和研究工作提供数据支撑,并且在对哮喘疾病数据发掘的基础上,对哮喘疾病的临床研究、诊断、治疗、病症关系等4大类影响因素进行分析与管理,提高哮喘疾病防治的水平。     

数据挖掘在农业话题跟踪中的应用

本文主要针对农业话题的特点,研究了基于粗糙集理论的启发式约简算法在其中的应用,并通实例验证了该方法的可行性和有效性,解决了农业话题跟踪的一些关键问题。     

粗糙集数据挖掘技术在丙酮精制中的应用研究

将基于粗糙集理论的数据挖掘方法应用于丙酮精制过程产品质量的预报。针对流程工业数据高维、构成复杂、连续性强等特点，改进了基本的粗糙集数据挖掘算法，并与模糊聚类等技术相结合，提出了一种适用于流程工业数据的粗糙集数据挖掘方法。在采用实际丙酮精制生产数据作为样本的实验中应用效果良好，表明该方法具有一定的实用价值。     

基于面向属性泛化及信息增益的数据挖掘方法研究

针对面向属性的归纳方法及粗糙集方法对知识粒性连续性的特点,将两者有机结合,利用面向属性归纳方法对数据进行泛化,再用属性的信息增益技术寻找泛化属性之间的数据依赖关系,能快速地在数据集中挖掘分类规则。将其应用于经典的仿真算例中,仿真结果合理、可靠。     

数据挖掘中粗糙集边界的处理方法

基于粗糙集的数据挖掘,提出了通过统计方法降低边界元素的不确定性程度的方法。该方法依据边界元素的统计规律从属性约简所产生的最小覆盖中选择合适的覆盖形成规则,从而更充分地利用属性约简和数据仓库中的数据资源,提高基于粗糙集的数据挖掘的效果。     

基于粗糙集的医疗数据挖掘研究与应用

医疗数据挖掘能够对现有病历数据库中数据进行自动分析并且提供有价值的医学知识。针对临床病历数据库中存在大量重复样本和冗余属性,从而影响医疗诊断的精度和速度这一问题,建立了基于信息论的粗糙集理论模型和SQL语言之间的关系,提出了基于SQL语言的条件信息熵属性约简算法,利用数据库查询语言实现了数据清洗、求核和属性约简等过程。实验结果表明该算法实现简单,运行效率高,为粗糙集理论更广泛地应用于具体的医疗数据挖掘提供了一种方法。     

数据挖掘技术在高校人力资源管理中的应用研究

针对一个真实的高校人力资源数据集,分析了在高校人力资源管理中适用的数据挖掘技术与过程,通过探索性的数据分析进行了特征值的离散化和特征值的归约、特征选择和构造等方面的分析,并给出了衡量教学科研人员科研能力水平的分类标签建议。利用决策树模型分析了影响教师科研能力的几个关键因素,聚类分析对教师的现状进行了客观而有效地描述,关联规则技术描述了教学、科研和社会工作等几方面的关系。研究分析的结果具有较好的解释性。     

基于Web Service的数据挖掘系统的研究与应用

数据挖掘是从海量数据中发现有意义的模式和规则的一项关键技术.国内很少有商家使用数据挖掘来辅助商业决策.给出了基于Web Service的数据挖掘系统结构及实现方案;描述了一个基于Web Service的数据挖掘系统原型,进一步说明了所提出的系统结构具有较高的效率、可信度、可实施性和安全性.     

火电厂大型设备故障诊断的数据挖掘方法

针对火电厂大型设备的常见故障 ,提出一种新的诊断方法———数据挖掘方法 .该方法通过建立一个智能化的数据挖掘工具 ,直接从火电厂SCADA系统历史数据库的大量实时数据中获取故障诊断知识进行故障诊断 .数据挖掘工具的核心是 ,采用粗糙集的约简方式 ,将数据库中抽取的故障诊断规则简化为基于最小变量集的决策表 .该方法避免了为诊断故障而附加的专门测试或试验 ,降低了费用 ,同时减少了试验对设备造成的潜在危险 .将这一方法应用于火电厂锅炉的一个复杂故障事例 ,结果表明其诊断的精度在 92 %以上 ,可以满足现场应     

数据挖掘中关联规则挖掘算法比较研究

分析数据挖掘中关联规则挖掘算法的研究现状,提出关联规则新的价值衡量方法和关联规则挖掘今后进一步的研究方向。以核心Apfiofi算法为基点,运用文献查询和比较分析方法对典型的关联规则挖掘算法进行了综合研究：Apfiofi法即使进行了优化,一些固有的缺陷仍然无法克服,还需进一步研究;②今后的研究方向将是提高处理极大量数据和非结构化数据算法的效率、与OLAP相结合以及生成结果的可视化。     

一种基于属性序的决策规则挖掘算法

针对面向领域用户的决策规则挖掘问题,用属性序描述领域用户的需求和兴趣,模拟人脑分辨事物的过程,提出了一种属性序下的分层递阶决策规则挖掘算法.该算法在给定属性序下输出的决策规则集不仅具有唯一性,且对任意待识别样本不会作出矛盾的决策.实例和仿真实验结果表明了算法的有效性和可行性.     

粗糙集理论及其应用与发展研究

粗糙集理论是一种研究不精确、不确定性、处理不完备知识的数学工具,目前被广泛应用于人工智能、模式识别、机器学习、决策支持和数据挖掘等领域。该文通过介绍粗糙集理论及特点,叙述了粗糙集理论在各领域的应用发展情况,并且展望了其未来发展趋势。     

粗糙集理论及其应用与发展研究

粗糙集理论是一种研究不精确、不确定性、处理不完备知识的数学工具,目前被广泛应用于人工智能、模式识别、机器学习、决策支持和数据挖掘等领域。该文通过介绍粗糙集理论及特点,叙述了粗糙集理论在各领域的应用发展情况,并且展望了其未来发展趋势。