基于插件技术的数据挖掘平台设计与实现

介绍了Eclipse插件技术和数据挖掘技术。分析了当今主流的开源数据挖掘平台,通过实验进行对 比、整理和归纳。在实验的基础上,提出了解决方案,设计并实现了基于Eclipse插件技术的开源数据挖掘平台。该 平台是一个模块化、易于维护和扩展的平台,它的处理单元和数据容器之间没有依赖性,这使得它更加适应分布式 环境及独立开发。     

嵌入式数据库在数据挖掘系统中的应用

嵌入式数据库是伴随着Web技术、商业智能技术和移动计算技术的发展而产生的一种新型数据库技术。分析了数据挖掘系统中采用嵌入式数据库的原因,将Derby嵌入式数据库制作成独立的Eclipse插件,并将其应用于数据挖掘系统,以满足数据挖掘系统的特定需求。嵌入式数据库在数据挖掘系统中的应用,既解决了数据挖掘系统中的数据管理问题,同时又保证了系统良好的可移植性。     

基于数据挖掘技术的CRM在石油化工企业的应用

数据挖掘技术在客户关系管理(CRM)中的应用是近年的热点。CRM指的是企业通过富有意义的交流沟通,理解并影响客户行为,最终实现提高客户获得、客户保留、客户忠诚和客户盈利的目的。对不同的客户采取有差别的服务,其根据就是企业积累的海量数据,如何将这些数据转化为知识,就要借助数据挖掘技术,为领导者的决策提供依据,并实现CRM的目标。主要论述了客户关系管理和数据挖掘技术的基本理论,以及数据挖掘技术在石油化工企业客户关系管理中的应用。     

基于插件技术的数据挖掘平台设计与实现

介绍了Eclipse插件技术和数据挖掘技术。分析了当今主流的开源数据挖掘平台,通过实验进行对比、整理和归纳。在实验的基础上,提出了解决方案,设计并实现了基于Eclipse插件技术的开源数据挖掘平台。该平台是一个模块化、易于维护和扩展的平台,它的处理单元和数据容器之间没有依赖性,这使得它更加适应分布式环境及独立开发。     

WSN中利用XGBoost和加权自适应HFLMS的数据约减组合预测方法

针对无线传感器网络(WSN)中能量、带宽和内存等各种资源的限制问题,提出了一种XGBoost结合加权自适应分层分数最小均方误差(hierarchical fractional least-mean-square,HFLMS)的数据约减组合预测方法。首先,利用XGBoost方法对损失函数进行了二阶的泰勒展开,权衡模型的复杂度和损失函数的下降速度,实现了资源限制的稳定预测;然后提出自适应HFLMS滤波器实现WSN数据约简的传输,并基于误差估计来预测所感测的数据,有效降低了WSN中的能量约束;最后,利用两个评估参数(能量和预测误差)来验证所提组合预测方法的性能。实验结果表明,相比没有预测、近似最速下降算法和分层最小均方滤波技术,提出的预测方法获得的预测结果更好。