数据挖掘技术在钢材仓储管理中的应用研究

提出了数据挖掘技术在钢材仓储管理中的实施方案,并以钢材仓储管理中实时库存的统计分析为例介绍了该方案的实施过程。仓库管理者能够找到有关影响钢材库存损耗的因素,从而改进仓储钢材的利用方法,必然对仓库的效益起到积极的作用。     

蚁群算法在数据挖掘中的应用研究

蚁群算法是一种新型的模拟进化算法,在求解复杂的组合优化问题中获得成功并表现出良好的性能。文章介绍了蚁群算法在分类和聚类两个重要的数据挖掘任务中的应用研究情况,阐述了算法的基本原理及特性,最后总结了蚁群算法在数据挖掘应用中尚待解决的问题。     

神经网络数据挖掘方法在网络营销中的应用

神经网络是目前公认的高精度分类器,此文介绍了一种基于前馈式神经网络的数据挖掘的分类方法,并给出了其在网络营销中的一个应用实例。分析了其方法的局限性并给出了改进的途径。     

蚁群算法在数据挖掘分类中的研究

对蚁群算法杂数据挖掘中的分类任务的应用进行了研究,算法实质上是利用蚁群觅食原理在数据库中进行搜索,对随机产生的一组规则进行选择优化,直到数据库能被该组规则覆盖,从而挖掘出隐含在数据库中的规则。     

探索数据挖掘分类技术在高校教学中的应用

数据挖掘是致力于数据分析和理解、揭示数据内部蕴藏知识的技术。由于数据库中存在着大量数据,因此从数据库中发现有用的信息显得十分重要。对数据挖掘技术的研究,国内外己经取得了许多令人瞩日的成就,并成功地应用到了许多领域,但在教育领域中的应用并不广泛。探索在高校教学中数据挖掘分类技术的应用,提出数据挖掘技术在高校教学应用中的实施方案,并以高校教学中学生成绩的分析为例介绍方案的实施过程。     

数据挖掘技术在Web中的应用研究

随着信息技术的快速发展，特别是计算机技术的不断普及，使得“数据丰富而信息贫乏”这对矛盾显得日益突出．数据挖掘技术正是应了这一需求而结合了数理统计学、人工智能、神经网络和信息枝术等多学科而出现的一项新技术，且在广大应用领域产生了和正在产生着巨大的作用：因特网在目前为一个分布式的、全球的、巨大的信息服务中心，每时每刻有海量数据产生于此．这无疑对数据挖掘这门新兴的学科提出了巨大的挑战．Web不仅由页面组成，而且还包含了由一个页面指向另一个页面的链接结构和用户使用记录．而大量的这些Web内容、链接结构和用户使用记录隐含了人们使用web页面行为习惯、页面质量、用户类别等大量有趣信息．本文就Web挖掘技术的web内容挖掘、web结构挖掘、Web使用记录挖掘作了深入、详细的探讨．     

数据挖掘技术在税务系统中的应用

基于FAS算法，设计并实现了一个基于最近挖掘结果的数据挖掘系统AR_Miner，包括数据预处理、频繁集初始计算、频繁集更新计算、频繁集选择、关联规则生成5个部分，实现了关联规则挖掘的可视化和生成结果按“支持度-可信度”形式的可视化，为基于频繁集的交互式挖掘提供了方便、友好的界面。对历史的稽查数据中纳税人采用的主要违法违章手段之间的关联关系进行了数据挖掘，得到了一些合理的知识，提高了对稽查历史数据的管理水平，为税务稽查提供了有力的决策支持。     

数据挖掘技术的分类算法分析研究

数据挖掘技术是一个崭新研究领域,随着信息技术日新月异的发展,数据库技术在不同行业领域的大规模应用,数据库的规模急剧膨胀。在诸多商业需求的驱动下,数据挖掘已成为当今研究的热点,每年都有新的数据挖掘方法和模型问世,特别是其中的分类问题,引起了越来越多的关注,本文对数据挖掘中的分类算法就行了归纳研究。     

数据挖掘在电信客户关系管理中的应用研究

本文主要研究了数据挖掘在电信顾客关系管理中的应用,构建了基于数据挖掘的电信CRM框架体系,将数据挖掘技术应用到客户细分、流失预测以及交叉营销等方面,实现客户全生命周期的科学化管理。最后,以XX电信公司的彩铃业务为例,采用Apriori算法来挖掘与分析其交叉销售的策略。     

数据挖掘技术在Web中的应用研究

随着信息技术的快速发展,特别是计算机技术的不断普及,使得“数据丰富而信息贫乏”这对矛盾显得日益突出,数据挖掘技术正是应了这一需求而结合了数理统计学、人工智能、神经网络和信息技术等多学科而出现的一项新技术,且在广大应用领域产生了和正在产生着巨大的作用。因特网在目前为一个分布式的、全球的、巨大的信息服务中心,每时每刻有海量数据产生于此,这无疑对数据挖掘这门新兴的学科提出了巨大的挑战。Web不仅由页面组成,而且还包含了由一个页面指向另一个页面的链接结构和用户使用记录,而大量的这些Web内容、链接结构和用户使用记录隐含了人们使用Web页面行为习惯、页面质量、用户类别等大量有趣信息,本文就Web挖掘技术的Web内容挖掘、Web结构挖掘、Web使用记录挖掘作了深入、详细的探讨。     

数据挖掘技术在保险客户信用评估的应用

目前,数据挖掘技术广泛应用于各个领域中。文中将数据挖掘应用于保险客户在信用等级的分类中,即采用了基于神经网络的覆盖算法作为客户信用评分分类器的设计算法。通过对保险数据的分析,对保险用户信用等级进行分类,降低了人为因素的评价干扰。通过分类实验表明,覆盖算法的准确性和网络训练速度都大大高于SVM。为保险公司有针对性的调查提供了一定的参考依据。     

数据挖掘的应用和发展趋势叶磊

由于数据挖掘在各行业中的广泛应用,因而该技术引起了人们的普遍关注,近年来该技术在金融、电信、零售、医疗、科研等行业领域内发挥了巨大的作用。网站的数据挖掘(Websitedatamining)即Web挖掘、生物信息或基因的数据挖掘以及空间数据挖掘成为数据挖掘领域新的研究热点。     

WinRAR使用技巧四则

WinRAR是Windows上常用的压缩解压缩工具。由于它支持包括ZIP在内的多种压缩格式．且压缩速度较快压缩率较高，故现在已成为Windows上非常流行的压缩软件。下面是笔者在使用中总结的一些经验．在这里共享出来．希望能对你使用这个软件有所帮助。     

数据挖掘在医院智能审计与监管平台系统中的应用

审计是经济活动中非常重要的环节,它承担着审查监督、揭露经济犯罪等重要任务。然而在面对几何增长的数据量的时候,审计人员很难找到数据中隐藏的重要信息,影响自己的判断力。基于如此宏大的数据量,提出将数据仓库、数据挖掘及其算法应用到审计中,分析当前数据,对后期数据进行预测评估,为审计人员的决策提供数据支持。     

数据挖掘技术在学校管理中的应用

数据挖掘技术是一门多学科相互交叉融合而形成的新兴学科。目前,该技术已在商业、金融业、农业、互联网、医药业等多个领域中得到广泛应用。而将数据挖掘技术与学校管理相结合,可以从大量事务管理数据中提取出了隐藏在其中的有用信息,因此可以帮助教学人员合理安排教学工作,协助辅导员对学生的管理,从而促进教育体制的进一步完善与发展。本文由数据挖掘技术概述入手,论述了数据挖掘技术在学校管理中的作用,最后,将数据挖掘技术应用在学生成绩管理中,可以实现透过现象看本质,提炼有价值的信息。     

数据挖掘在图书管理方面的应用

随着高校图书馆图书的大量购买和招生人数的增多,图书管理运行系统产生了大量数据,利用传统的方法无法对这些海量数据进行研究分析.而数据挖掘正是解决此类问题的先进技术,对数据挖掘从定义、功能、应用方面进行了比较详细的阐述,尤其是在应用方面重点介绍了Apriori算法和K-means算法,讲述了其基本思想和工作过程.结合图书馆的数据,进行聚类分析和关联规则分析,得出最优的馆藏布局,为读者提供更好的主动的、人性化的服务.同时对数据挖掘在图书管理中的前景作了瞻望.     

数据挖掘在高校教学管理中的应用研究

将数据挖掘技术应用到教学管理,基于CR ISP-DM数据挖掘模型,使用SPSS数据挖掘工具,从海量的学生成绩数据中发现有用的信息,并将这些信息有效地组织、整理、提取,以便及时了解教学活动状况、分析课程之间的相互关系、了解学生的学习特征、把握教学方面的异常现象等。该方法能增强教学与教学管理改革的针对性,能为管理者提供教务管理的经验和进行总结的方法,并能提高其工作效率,实现合理的教学安排。     

基于数据挖掘的入侵检测技术研究

本文介绍了数据挖掘技术在入侵检测领域的应用,介绍了数据挖掘的常用算法,并在此基础上给出了一个基于数据挖掘的入侵检测模型。