透气性指数回归模型的数据挖掘

以有色冶金密闭鼓风炉的生产工艺数据为研究对象,利用SPSS(Statistical Package for the Social Science)软件,从统计分析的角度对数据进行研究;以建立密闭鼓风炉透气指数的回归模型为实例,详细描述了数据挖掘的一般流程,数据抽取、数据过滤(缺失值、异常值的处理)、数据变换(标准化)、数据建模、结果分析评价;利用统计学知识,从相关系数分析、可解释度分析、置信区间分析几个方面对建模正确性进行研究,最终从大量数据中提取出回归分析模型,以此模型,可以定量的了解变量间的相互影响,并用来预测未来因变量的变化.     

基于云计算的物联网数据挖掘模型研究

随着计算机和网络技术的发展,数据挖掘、云计算、物联网等技术在人们生活、工作当中占据着越来越重要的地位。本文分析了物联网、信息融合技术及其应用方法,阐述了以云为中心的物联网数据处理模型,并以城市公共交通出租车数据集为例,描述了数据处理的基本过程,验证了物联网实时数据处理的可行性与可操作性。     

基于数据挖掘的云安全评估模型研究

为提高云安全评估的准确性,构建了云安全评估模型,分别从主机安全、数据安全、物理安全、网络安全和应用安全五个方面采用极限学习机数据挖掘算法获取评估证据,再使用隶属度方法进行数据的标准化和指标权重的计算,最终得到云安全评估结果.通过实验证明,构建的云安全评估模型能够快速获取云安全评估指标体系的评估证据,并科学的、综合地作出...     

基于支持向量机回归模型的海量数据预测

预测是很多行业都需要的一项方法和技术,随着数据积累的越来越多,基于海量数据的预测越来越重要,在介绍支持向量机基本原理和实现算法的基础上,给出了航空服务成本预测模型,最后对预测结果的评价和选取情况进行了分析。     

基于数据挖掘的组合近邻模型算法

针对数据挖掘的组合模型问题,研究了组合模型的理论和技术,分析了组合理论在近邻法的应用现状,提出了一种通过随机属性子集组合近邻分类器的算法MNN,利用简单的投票方法,通过一个随机的属性子集来组合多重近邻分类器,对多重NN分类器的输出进行组合,MNN方法能有效地改进近邻法的分类精度。MNN方法与NN-E000相比,有两个主要的优点：(1) MNN是一个更简单的方法;(2) MNN不受多类问题的限制。     

基于行为监控和数据挖掘的动态信任模型*

实体之间的信任关系发生在一定的上下文中,其信任值与影响信任值的多个行为属性之间的关系复杂而且多变,很难用一个一成不变的函数去描述。根据软件传感器监测到的历史行为数据和目标信任值,利用logistic回归分析方法和成对分类法对行为属性与信任值之间的关系模式进行自适应的数据挖掘与知识发现,不需要任何的先验知识和主观假设,从而有效解决了信任值计算的动态性和客观性等问题。实验结果表明,与已有模型相比,该模型的平均误差率和计算效率都有所提高,能够快速有效地分类出实体间的信任等级。     

基于SECI模型的网络数据挖掘系统优化设计

针对原有网络数据挖掘系统精准度低的问题,笔者提出基于SECI模型的网络数据挖掘系统优化设计。优化系统硬件中的网络数据采集器、网络数据预处理器等,提高了系统硬件设备的运行效率;在系统软件技术方面,以SECI模型为理论指导,在原有数据挖掘算法的基础上对其进行优化,提高了系统挖掘结果的精准度,以此实现了对网络数据挖掘系统的优化设计。经实验证明,优化后的系统挖掘结果的精准度得到了有效提高。     

基于SVM的精确数-区间数回归模型建模方法

分析了现有的精确数输入和区间数输出回归算法存在的问题，提出了基于支持向量机的区间数回归建模算法,该算法把支持向量机从精确数回归分析方法推广到区间数回归分析建模方法，在小样本训练集下回归模型具有良好的泛化性能，有效地避免了现有算法中回归模型的下界可能大于上界的问题．以连续退火生产过程中冷却段出口带钢温度预测为例，通过仿真说明了该算法的有效性．     

基于数据挖掘技术的信用卡审批模型研究

针对分类预测建模数据的非对称性,提出一种基于神经网络和决策树技术结合的非对称性数据集合预测分类建模方法,建立了信用卡审批模型.结果表明:增加预测类标识决策属性后,在用不同比例的建模数据集建立的所有模型中,比例为33.33%:66.67%的数据集建立的神经网络模型最好,模型的准确率达到88.49%.     

基于马尔可夫时变模型的流量数据挖掘

随着网络技术的快速发展,目前网络的规模很大且有较大的复杂性,因此网络管理变得越来越困难和复杂,因此流量预测在网络管理中发挥越来越重要的作用。针对实际网络中收集到的大量实际流量数据,提出了一种基于时变网络的自适应网络流量预测算法,采用自适应学习率法,根据总误差增减变化趋势以及不同的改变来调整适应率;然后根据正向和反向的计算来校正各层的权重。仿真结果表明,与传统的时变网络相比,基于传播时变网络的自适应流量预测算法在预测结果中具有更好的性能,并具有较小的误差。     

供应链仿真系统的数据挖掘

本文针对供应链系统中缺乏数据积累、存在许多不确定因素及数据种类繁多的特点,提出采用建立供应链仿真模型,并通过仿真输出数据进行数据挖掘的思想。该思想帮助决策者既可以分析随机性因素对供应链系统的影响,又可分析影响供应链系统的各种因素的影响程度。     

基于数据挖掘的考试分析系统数据预处理

数据预处理是为考试分析系统提供高质量数据的关键。为了更好地从大量复杂的和不确定的考试数据中有效地挖掘有用的信息,必须对源数据进行预处理。本文通过对考试分析系统中数据源进行详细的分析,发现数据源具有不一致、冗余等特点。从而给出了考试分析系统中数据预处理的一般性方法。     

基于任务驱动的数据挖掘系统

本文介绍一个数据挖掘系统的设计思想和实现技术。该系统主要特点在于整个数据挖掘过程以任务为核心,协调系统中其他功能模块的运行。系统提供的句法制导图形编辑器集成了编辑、句法检查和解释执行的功能,以方便用户定义复杂的数据挖掘任务。系统的模型库按面向对象思想设计,采用COM技术实现,具有很好的可扩展性与灵活性。     

浅析数据挖掘技术

随着信息技术的发展,积累了越来越多的数据。数据挖掘技术为人类处理这些海量数据提供了有力武器。首先介绍了数据挖掘技术的概念,然后对数据挖掘系统的构成和数据挖掘的流程进行了分析,最后详细分析了数据挖掘的常用方法。     

基于数据挖掘医保系统的研究

随着医保领域业务的日益复杂化,对于医疗信息系统的建设提出了更高的要求。本文通过数据挖掘中聚类分析方法在医保系统中的应用研究,从海量的医保系统中提取出有用的信息,指导医疗系统中各个子系统的优化建设,同时分析出有价值的预测数据,推动医保业务的健康发展。     

教育数据挖掘研究进展

教育数据挖掘（Educational Data Mining，EDM）是一门涉及计算机科学、教育学、统计学的交叉学科。它致力于探索来自教育环境的独特数据，其目的是更好地了解学生及其学习环境，从而提高教育成效。为了深入分析EDM的研究进展，从Web of Science库相关文献、国内外研究现状对EDM进行了系统性梳理，介绍了EDM的工作流程，把数据挖掘技术在教育领域的应用归纳为4类，对处于快速发展阶段的一些EDM典型案例进行了统计分析并讨论了其不足与发展趋势。     

一种基于税务系统数据仓库的模糊数据挖掘算法的研究

文章简要的叙述了数据仓库的概念、数据仓库结构、数据挖掘的定义和方法,并提出了一般的基于数据仓库的数据挖掘系统的结构。并针对税务系统的数据仓库提出了一种模糊数据挖掘算法。     

数据挖掘系统结构的研究

介绍了典型的数据挖掘体系结构,然后分析其中存在的一些不足和主要问题.针对这些问题,主要选定存储数据挖掘结果的方向进行研究,提出了改进的数据挖掘体系结构,并对它的特点进行了分析.这种新结构为数据挖掘结果的共享及数据挖掘效率的提高提供了一种新的途径.     

基于数据立方体的联机分析挖掘模型研究

本文提出一种联机分析挖掘模型,该模型基于数据仓库和其他各种类型文件生成的工作仓库,同时综合了联机分析处理多维分析的在线性、灵活性和数据挖掘处理的智能化特点,提高了传统模型的灵活性和智能化程度。     

基于本体的数据挖掘方法研究

.数据挖掘是信息技术自然演化的结果,使用数据挖掘工具进行数据分析可以方便的获得重要的知识并应用于决策,提出一种基于本体的数据挖掘算法,讨论使用本体的方法来协助数据挖掘.