基于数据挖掘的白酒企业决策支持系统研究

以数据仓库,联机分析处理（OLAP）和数据挖掘技术构建白酒企业决策支持系统。系统通过数据仓库对来自不同数据源、历史的数据进行存储;采用联机分析处理技术对数据仓库中的数据进行多角度、多层次等分析;通过数据挖掘,从数据仓库中识别和提取隐含的知识,为企业决策人员提供强有力的决策辅助支持。     

数据仓库在企业决策支持系统中的应用研究

数据仓库（DW）、联机分析处理（OLAP）、数据挖掘（DM）是20世纪90年代中期兴起的三项决策支持技术,它们的结合能充分利用经营企业内部积累的海量数据,挖掘出有价值的知识和信息来支持企业决策的制定.结合SQL Server 2005中数据仓库的构造技术,对其在连锁销售企业决策支持系统中的应用进行了研究.     

基于粗糙集理论的医院院内感染数据挖掘

粗糙集理论是一种处理模糊和不确定知识的新型数学工具，已广泛应用于人工智能的许多领域特别是数据挖掘和知识发现领域。本文首次将基于粗糙集理论的数据挖掘技术应用于医院院内感染的知识发现，在智能诊断的知识自动获取方面取得新的进展。     

粗糙集理论在商业数据挖掘中的应用

商业智能研究中的商业数据挖掘,是从数据库中抽取对商业零售企业进销存具有潜在应用价值的隐含信息.给出了基于粗糙集理论的商业数据挖掘完整过程,结合商场客户价值分析的实例,使用粗糙集数据挖掘系统(RSDMS)进行数据预处理,消去冗余属性,抽取决策规则.     

基于粗糙集的生产环境数据挖掘系统方法

针对粗糙集确定性模型缺乏处理不确定信息的特点，Z．Pawlak等提出了粗糙集的概率模型，但该模型没有包括如何处理生产数据集纷繁复杂数据的方法，因此提出了应用粗糙集于生产环境数据挖掘的一种系统方法，并应用UCI的数据集对该方法进行了检验，实验结果体现了它的性能与有效性。     

基于数据挖掘的电力设备状态诊断系统建模

以电力公司的业务需求为背景,为实现电力设备的状态诊断,以数据挖掘技术中的粗糙集和决策树算法为依据,采用粗糙集和决策树相结合的数据处理模型对电力设备的各属性数据进行了分析处理。综合运用粗糙集和决策树两种数据挖掘算法,通过粗糙集技术进行属性约简,并运用决策树的ID3算法对约简后的数据进行分枝、减枝得到规则集,实现对电力设备工作状态的快速、高效诊断,并根据其工作状态提供决策支持。     

图像数据挖掘的模型和技术

图像获取和存储技术的进步使人们每天都可以获取大量的包含很多对有用的信息图像数据,但缺乏有效的工具分析这些数据。图像数据挖掘的任务就是分析、提取海量图像中隐含的有用的信息和模式,发现图像数据间的关系。图像数据挖掘并不只是数据挖掘在图像领域的简单应用,它是一门包括计算机视觉,图像处理,图像检索,数据挖掘,机器学习,数据库和人工智能等的综合学科。本文将介绍现有的图像数据挖掘的模型和技术。     

DM与DW技术在CRM系统中的应用

客户关系管理不仅是一种管理理念，还是一种旨在改善企业与客户之间关系的新型管理机制(包括管理软件和技术)．数据仓库技术可以将海量的数据进行整理存放，并且可以进行OLAP处理，数据挖掘能够对将来的趋势和行为进行预测，从而很好地支持人们的决策．CRM的成功在于数据仓库、数据挖掘技术的成功应用．     

一种基于Web的电力营销数据挖掘系统

为了更好地利用供电公司在生产和营销过程中产生的海量数据,从中发现有价值的信息,辅助运营商进行有效的市场营销和客户服务,结合数据仓库、数据挖掘技术和联机分析处理(OLAP)技术,提出一种基于Web的供电公司电力营销数据挖掘系统.该系统采用包括业务逻辑层、应用服务层和数据存取层在内的三层B/S体系结构及基于模型-视图-控制器(MVC)的设计模式,具有跨平台和可扩展性、可维护性等优点,应用前景广阔.     

数据挖掘与基于多维数据库的在线分析系统OLAP浅析

数据挖掘和OLAP都是在商业智能家族中重要的分析技术.对于能够实现的商业智能的最深层次,在商业智能的解决方案中数据挖掘处于较为重要的位置.随着存储器存储容量的增长,收集的数据变得如此之多,以至对于实际利用中存储的数据开始遭到限制.提炼已有数据中的知识,使数据的内在价值获得提高是数据挖掘的主要目的.数据挖掘与OLAP是相辅相成的,并将会获得进一步分析的能力,彼此之间同时也可以在其特征中得到好处.     

基于粗糙集的数据挖掘

粗糙集理论在分类的意义下定义了模糊性和不确定性的概念,是一种处理不确定和不精确问题的新型数学工具,文中以实例介绍了粗糙集的基本理论,并通过一个实例详细介绍了在基于对决策表属性约简的基础上采用了可变精度粗糙模型实现规则的获取. 该实例说明了基于粗糙集进行规则的挖掘是有效的.     

数据仓库技术在配送决策支持系统中的应用

介绍了数据仓库和数据挖掘的概念以及OLAP和ADO MD技术,结合连锁超市配送决策支持系统,阐述数据仓库的建立过程、建立立方体的方法,并举例说明了在立方体上运用MDX语言进行数据挖掘的方法.     

粗粒度多尺度属性约简启发式算法

粗糙集理论(RS)从它出现到现在一直是数据推理方面的一种强有力的工具,而作为数据推理的一个非常重要组成部分——知识的约简也一直是粗糙集理论的研究重点.本文基于信息论中信息熵、相对熵和条件熵的概念和性质,在粗糙集系统中增加了一个粗粒度逼近量,并根据粗粒度逼近量提出了一种多尺度逼近的属性约简或者叫规则提取的新算法.     

图书馆数据挖掘服务系统中粗糙集算法的原理及应用

简要论述了粗糙集算法用于数据挖掘系统的原理和可行性,并以实例说明了粗糙集的核心之一——上、下近似规则抽取理论。首次提出了粗糙集在图书馆数据挖掘中的应用。     

基于邻域关系的网络入侵检测特征选择

入侵检测数据集具有数据量大、特征敷众多、连续型数据的特点.粗糙集是一种有效处理不确定性、不一致性、海量数据的有效分类工具,其特点是保持入侵检测数据集的分类能力不变,进行特征选择.为了避免传统粗糙集特征选择方法所必需的离散化过程带来的信息损失,引入邻域粗糙集模型,提出基于邻域关系的网络入侵检测数据特征选择方法.该方法从所有特征出发,根据特征重要度逐步删除冗余的特征,最后得到关键特征组进行分类研究.在CUP99入侵检测数据集上进行特征选择,并进行了分类实验,实验结果表明该方法是有效可行的.     

水工混凝土结构裂缝成因挖掘的粗集方法研究

裂缝是水工混凝土结构常见病害之一,针对水工混凝土结构运行期的裂缝问题,应用粗集理论,结合实测资料,对裂缝产生的主要原因进行了系统地研究,提出了裂缝成因挖掘的粗集方法.     

基于Rough Set和neural network组合数据挖掘

提出了一种基于rough set和neural network的数据挖掘新方法。首先利用粗集理论对原始数据进行一致性属性约简，然后使用神经网络对数据进行学习，并同时完成属性的不一致约简，最后再由粗集对神经网络中的知识进行规则抽取。该方法充分融合了粗集理论强大的属性约简、规则生成能力和神经网络优良的分类、容错能力。实验表明，该方法快速有效，生成规则简单准确，具有良好的鲁棒性。     

基于粗糙集理论的模糊神经网络建模方法

采用基于粗糙集的模糊神经网络模型,将粗糙集理论与模糊神经网络相结合,通过利用粗糙集理论中的约简的计算方法,从样本数据中获取精简的规则,再根据这些规则构造模糊神经网络各层的神经元个数,克服了当输入维数高时,模糊神经网络的结构过于庞大的缺点,从而使网络模型结构最简.并采用误差反向传播算法(BP算法)来训练该新型网络中的权值参数及隶属函数的中心值和宽度,仿真结果验证了该模型的优越性.     

Rough集理论发展现状与应用前景

为了解决复杂系统的不确定性信息处理问题,介绍了Rough集理论的基本概念和研究状况.对Rough 集模型推广、约简算法研究等进行了讨论;并对Rough集理论在机器学习、决策分析、知识发现等领域中的应用 状况进行了论述,同时提出了Rough集理论在知识获取和并行计算领域中的发展前景和Rough逻辑控制、 Rough信息处理等研究方向.     

基于粒计算的规则发现研究

主要对粒计算在规则发现中的应用进行了研究。数据挖掘中的规则发现已经有了许多方法，例如Roughsel理论。粒计算和Roughset理论有很多的关联，将这两者结合起来应用是一个很有意义的研究。文中先介绍粒及粒计算的基本性质，接着对粒计算和Roughset理论两者进行了一定的比较，最后对粒计算在规则发现中的应用进行了讨论研究。