序列模式挖掘在电子商务个性化服务中的应用

分析了电子商务发展面临的问题和个性化服务的特点,提出了Web使用挖掘技术在电子商务个性化服务中的应用方法,论述了基于Web挖掘的个性化服务研究,详细阐述了其挖掘过程,最后讨论了使用序列模式和分类相结合的技术得以实现个性化服务的方法。利用这些算法得到的个性化信息可以准确把握用户兴趣模式并对Web信息资源的组织方式进行有效更新,从而提高网络信息服务效率,为用户提供“一对一”的具备自适应性的智能个性化服务。     

一种基于XML的Web地震信息提取的实现

开发一种通用化的处理程序,它可以自动从指定的Web页面中提取地震事件公报,采用XSLT将数据转换为指定格式的XML文档,存入地震信息数据库,实现了Web数据的清理与集成.     

文本分类技术研究

文本分类是文本挖掘的基础和核心。文中系统地介绍了文本分类过程中涉及的各种关键技术,对特征表示、特征提取、文本分类方法及分类模型评估进行了较为详细地论述。最后,提出了文本分类中存在的问题及今后的发展。     

数据挖掘技术在工业控制系统中的应用研究

数据挖掘技术是当今智能系统理论的重要研究内容,它综合运用人工智能、模式识别、数理统计等先进技术从大量数据挖掘中挖掘和发现有价值和隐含的知识。本文主要介绍数据挖掘技术的原理和方法,以及在工业控制系统中应用,包括被控变量选择、模糊控制规则挖掘、故障诊断等。     

基于数据挖掘的符号序列聚类相似度量模型

为了从消费者偏好序列中发现市场细分结构,采用数据挖掘领域中的符号序列聚类方法,提出一种符号序列聚类的研究方法和框架,给出RSM相似性度量模型。调整RSM模型参数,使得RSM可以变为与编辑距离、海明距离等价的相似性度量。通过RSM与其他序列相似性度量的比较,表明RSM具有更强的表达相似性概念的能力。由于RSM能够表达不同的相似性概念,从而使之能适用于不同的应用环境,并在其基础上提出自组织特征映射退火符号聚类模型,使得从消费者偏好进行市场细分结构研究的研究途径在实际应用中得以实现。     

模糊聚类在课堂教学评估中的应用研究

以目前的高等学校教育为平台,就如何将数据挖掘技术与课堂教学质量相结合的问题进行了研究。首先介绍了模糊C均值聚类算法的原理及实现步骤,并通过对课堂教学评估指标体系的有效挖掘,选取适当的聚类参数,建立模糊划分矩阵,然后用模糊C均值聚类算法进行聚类,较好地实现了聚类目标。     

灰色线性回归模型在元规则挖掘中的应用研究

提出了一种利用灰色线性回归组合模型挖掘关联规则元规则的方法,并通过实例分析证实了方法的有效性。     

一种基于自适应关联熵的关键字提取算法

相较于传统的依托词汇频率大小进行关键字提取技术,TextRank算法能够考虑词汇节点之间的相似性信息,却仍忽略了词汇上下文信息以及文章的语义结构等。在节点图权重迭代的基础上,本文利用文本上下文词汇的关联规则信息,引入关联熵的概念,自适应调整阻尼系数和滑动窗口大小,更贴近文本词汇的实际语义情况,能够较好地处理低词频和新词汇信息。实验表明,相较于TFIDF和TR等算法,本文算法在处理关键字提取时能够达到更准确的效果。     

基于知识网格的分布式数据挖掘

科学和工商业应用需要分析分布在各异构站点的海量数据。这就需要合适的分布式并行系统来存储和管理数据。网格为分布式数据挖掘和知识发现提供了有效的计算支持。文中在讨论知识网格体系结构的基础上,利用可视化网格应用环境VEGA实现了基于网格的分布式数据挖掘过程。     

兼容机智能配置系统的设计

目前,电脑销售公司通常采用人工方式为用户配置兼容机,存在效率低、难以为用户提供个性化服务等问题。该文在改进专家系统结构的基础上,通过建立用户模型与配件信息库,设计了兼容机智能配置系统。该系统能够对用户需求进行分析,快速配置个性化的兼容机。