聚类分析在毕业生就业预测中的应用

为了预测毕业生的就业情况,采用聚类分析技术中基于模型的统计方法,参考COBWEB算法,根据历年毕业生的就业情况及相关信息建立数据库,并建立模型进行评估,针对各种因素对学生就业情况造成的影响,对即将毕业的学生进行就业预测。     

毕业生需求信息的计算机管理

为实现毕业生分配，就业工作的计算机管理，笔者设计开发了毕业生需求信息的计算机管理模式，并根据此模式编写了系统，该系统已在我院使用，取得了良好的效果。     

数据挖掘在数据库决策系统中的实现

分析了数据挖掘的工作流程，利用数据挖掘从大规模数据库中寻找各变量之间函数依赖近似的强关联和确定条件概率，并将该方法应用于数据库决策系统中。     

电子邮件自动处理的用户模型设计

针对目前大量垃圾信息充斥用户电子邮箱的问题，提出一种基于用户模型的电子邮件自动处理方法．它根据机器学习的原理，建立并且不断更新用户模型，记录用户的历史行为，并能够将历史数据作为训练样例，当训练样例达到适当的数量时，通过朴素贝叶斯分类法对新邮件进行归类，并采取相应的动作，最终帮助用户获取并保留更有价值的邮件信息．     

数据挖掘技术在INTERNET上的应用

本文主要介绍数据挖掘技术如何通过贝叶斯网络来实现在INTERNET上的信息检索。     

浅析毕业生就业指导工作

在市场经济条件下，大学毕业生就业情况已成为评价和衡量一所大学办学质量和学生优劣的标准之一。在毕业生就业的过程中班辅老师要帮助毕业生树立就业观念、进行角色转换和运用求职技巧，帮助毕业生择业、就业。     

关于加强高校毕业生管理的几点思考

随着毕业生人数的逐年增加,全国就业形势的日益严峻,高校毕业生面临上课与考研、上课与就业、毕业设计与用人单位实习等多种矛盾。这些矛盾成为高校毕业生管理的新课题、新挑战。分析毕业生管理工作面临的矛盾和问题,对毕业生管理工作进行了有益的探索,提出要严格按照学校的规章制度,规范请假制度;以学生为本,从学生利益出发,换位思考,做好学生就业过程的教育、指导、服务等工作。     

改进贝叶斯算法在未知恶意软件识别中的研究

为改进朴素贝叶斯(naive Bayes,NB)算法在识别未知恶意代码过程中学习速度慢的缺点,在分析研究朴素贝叶斯算法、复合贝叶斯(multi-naive Bayes,MNB)算法的基础上,提出了一种改进贝叶斯(half-increm entnaive Bayes,HNB)算法.算法采用特征集增量学习方式,在保证分类精度不降低的前提下,学习速度提高约30%.实际样本测试表明,分类精度达到了96%,其中对已知恶意代码的分类精度达到99%.     

新时期毕业生就业工作探讨

针对新时期毕业生就业工作是检验和反馈学校教育教学质量评价学校办学水平，反映学校适应社会需要的重要指标，具有十分重要的意义，结合我校实际对新时期如何做好毕业生就业工作的措施作初步探讨。     

基于分类挖掘的网关转发性能的判定

研究如何利用分类挖掘来进行网关转发性能的判定。提出基于分类思想的性能判定决策算法,对大量的无规则的杂乱的网关经验数据进行分类。性能判定决策算法可以从具有分类特征的网关转发经验数据中挖掘出分类模型,利用模型可对网关转发性能进行精确的判定,准确率可达95%。该研究对于把数据挖掘用于网络管理的其他方面有着积极的启发作用。     

基于决策树分类技术的心电自动分析软件检测系统

研究和开发了一种基于数据挖掘技术的心电自动分析软件检测系统.该系统首先通过直接从人体采集电信号和读取扫描经典心电图图片两种途径,依据M IT-B IH心律失常数据库规则和存储格式,建立国人临床心电数据库,然后采用决策树分类方法对样本进行训练和分类,最终进行心电自动分析软件的检测,并由系统输出检测结果.     

基于Web的数据仓库和数据采掘支持的新型DSS系统

分析了传统决策支持系统的局限,介绍了数据仓库和数据采掘技术的特点,提出了一种采用数据仓库和数据采掘技术的新型决策支持系统,并且根据用户的需求及新技术的发展,探讨了一种基于Ｗｅｂ的新型ＤＳＳ结构。     

关联规则挖掘在电子病历分析中的应用研究

针对甲状腺电子病历数据量大、更新速度快的特点,提出了一种挖掘有效关联规则的技术.该技术运用区间归并法与特征区间法相结合的离散化方法对病历中的数据进行预处理;在规则生成的核心算法中,提出了优化的增量更新FUP算法,算法通过对新旧数据库设定不同的支持度得到病历各属性间的关联规则.实验验证了改进算法的有效性,挖掘结果对了解疾病的诊断、治疗、发展规律有重要价值,对医学研究有重要意义.     

基于网格的并行数据挖掘算法的实现

随着信息技术的发展,大量的数据不断被收集和存储,对数据的挖掘规模越来越大,传统的数据挖掘已经无法解决海量数据挖掘问题。网格技术的发展,使得广域分布的海量数据的挖掘问题得到解决。文章根据现实中海量数据挖掘的需求和网格的本质,把并行关联规则挖掘算法应用于网格数据挖掘中,并建立了一个并行数据挖掘模型,验证了并行数据挖掘系统在网格环境的可行性与合理性。     

基于数据仓库和数据挖掘的教育决策支持系统

在讨论了数据仓库和数据挖掘技术的基本概念、数据的组织方式和系统设计方法的基础上,提出了基于数据仓库和数据挖掘的决策支持系统框架模型,并将其应用到教育决策支持实践,从而提高人才素质评价的高效性和科学性.     

基于云理论的智能电能表故障数据分析

智能电能表是智能电网中重要的高级计量设备,其故障类型具有复杂的随机模糊特性,对用户的用电安全和计量的公平公正具有重大直接影响。为了分析智能电能表故障数据中的随机、模糊信息及其之间关联性,该文根据聚类算法和云理论,对数据进行挖据,建立智能电能表故障信息的分类诊断云模型,确定智能电能表的薄弱环节或影响电能表可靠运行的关键信息。最后,以某地区2015年度主站采集到的智能电能表异常事件记录为数据源进行挖掘分析,验证该文所提方法的有效性和实用性。     

数据挖掘技术中聚类算法的改进研究

针对K-means算法所存在的问题进行了深入的研究,提出了基于密度和聚类对象方向的改进算法(KADD算法).该算法采取聚类对象分布密度方法来确定初始聚类中心,然后根据对象的聚类方向来发现任意形状的簇.理论分析与实验结果表明,改进算法在不改变时间、空间复杂度的情况下能取得更好的聚类结果.     

浅析VFP的数据完整性*

数据完整性是数据库的基本要求．对Visual FoxPro的数据完整性的约束机制进行了概括和分析．     

动态云模型大规模数据挖掘算法

分析了云计算和数据挖掘的关系,研究了SLIQ和SPRINT两种数据挖掘算法,提供了一种数据存储量不断增加时基于动态云模型的数据挖掘算法。