数据挖掘技术在零售业分析中的应用

借助于数据挖掘技术,可以从大量的、复杂的数据中提取有用的信息。本文介绍了数据挖掘的技术特点,重点讨论了关联规则在零售业数据分析中的应用。     

一种基于信誉兴趣区间划分的数据优化查询算法

在当前的复杂数据挖掘方法中,多是基于关联规则进行关联挖掘,一旦数据之间的关联性被大量的冗余关联打破,形成数据的无序性,就会出现挖掘耗时,挖掘错误较多的问题.为了解决这一问题,本文提出一种基于信誉兴趣区间划分的数据优化查询算法.在海量的数据中,针对错综复杂的数据关系,通过信誉兴趣函数对数据进行较为清晰地划分.尤其在关联规则较为混乱的情况下,这种方法能够得到更为准确的数据分类区间.实验结果表明,这种数据挖掘方法针对大型数据库中的海量数据挖掘效果更佳,且挖掘算法速度更快,效率更高.     

房地产行业中数据挖掘技术的应用

数据挖掘作为一种系统地检查和理解大量数据的工具,能有效地帮助房地产企业从不断积累与更新的数据中提取有价值的信息。从数据挖掘在房地产行业中的市场研究价值入手,介绍了微软BI架构及SQL2005的新特性。分析了数据挖掘在房地产市场研究尤其是客户信息中的应用,使用基于兴趣度的关联规则分析方法,建立一套基于客户分类的关联规则。     

基于关联规则分析的专家系统设计与构建

作为专家系统的基础组成部分，专家系统知识库构建的合理性直接会影响推理结论的有效性和正确性。数据挖掘技术中关联规则分析能够有效地发现大量的事务性资料和数据中项（属性）集间的相关联系．利用发现的关联规则科学地构建专家系统知识库与专家系统。     

基于Apriori算法的高校教学评价数据挖掘

高校在教学和管理中积累了大量的数据,本文把数据挖掘技术中的关联规则挖掘算法Apriori应用于教学评价中,通过对这些数据分析,找到高校教师的教学效果与教师的年龄、职称、学历等相关.     

关联规则的更新及其算法

数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。关联规则是当前数据挖掘研究的主要模式之一,侧重于确定数据中不同领域之间的联系,找出满足给定支持度和可信度阀值的多个域之间的依赖关系。根据关联规则的算法,介绍了FUP、FUP*等对规则的更新及维护的典型算法,并指出了数据挖掘的进一步研究方向。     

用Visual FoxPro实现Apriori算法

文章认为,数据挖掘就是从大量数据中提取出潜在的、有价值的知识的过程.关联规则挖掘是数据挖掘领域的一个重要研究方向.基于Apriori算法,用Visual Foxpro实现求1-3频繁项目集的方法,该方法扩展后具有一定的实用价值.     

一种大数据挖掘技术——Apriori算法分析

随着互联网的广泛应用与云计算技术得到飞速发展,如何从大数据中寻求数据规律,并以此做出科学的预测与决策,成为目前数据挖掘技术的主要研究方向之一。Apriori算法就是一种基于海量数据并挖掘关联规则频繁项集的典型算法,其在大数据挖掘分析中具有较大研究与应用价值。     

数据挖掘技术与用户知识获取

1　数据挖掘技术概述随着信息技术的迅速发展 ,数据库的规模不断扩大 ,从而产生了大量的数据。为给决策者提供一个统一的全局视角 ,在许多领域建立了数据仓库。但大量的数据往往使人们无法辨别隐藏在其中的能对决策提供支持的信息 ,而传统的查询、报表工具无法满足挖掘这些信息的需求。因此 ,需要一种新的数据分析技术处理大量数据 ,并从中抽取有价值的潜在知识 ,数据挖掘 (ＤａｔａＭｉｎｉｎｇ)技术由此应运而生。数据挖掘技术也正是伴随着数据仓库技术的发展而逐步完善起来的。数据挖掘是指从数据集合中自动抽取隐藏在数据中的那些有用信…     

电子商务中数据挖掘技术的研究与应用探索

顾客在电子商务网站的访问行为会产生大量数据信息,这些数据中包含了大量对市场分析及预测有用的潜在信息,可运用数据挖掘技术对客户访问信息的Web数据进行挖掘,从而了解客户的访问行为。本文主要讨论了电子商务中挖掘信息的目标、方法及数据挖掘技术在电子商务中的几点应用。     

数据挖掘技术在互联网信息检索中的应用研究

互联网信息检索能否快速而又高效依赖于检索技术的智能化程度,而利用数据挖掘技术能够大大提高互联网信息的检索功能。本文主要讲述数据挖掘技术在互联网信息检索中的应用,并采用叶斯网络算法进行相关数据的关联。在进行应用之前,需要对检索平台进行简单的阐述,之后对数据挖掘的关联规则进行阐述分析,最后在贝叶斯算法的基础上进行实例的仿真分析。最终得到的实验结果是:结合使用贝叶斯网络算法的数据挖掘技术能够在互联网信息检索中起到智能以及个性化的作用,因此具有很大的研究价值。     

数据挖掘研究的综述

数据挖掘是一种从大量数据中提取有用信息的技术，是当前计算机科学研究的活跃领域。本文介绍数据挖掘的定义，功能以及数据挖掘的过程，论述数据挖掘的常用技术和工具，结合当前新的研究成果分析数据挖掘领域的发展趋势。     

时间序列数据挖掘在医疗领域的应用

医院信息管理系统,不仅有利于提高了医务工作者的工作效率,同时也积累了大量的时间序列数据。时间序列数据挖掘技术对这些大量数据进行分析,会发现有用的、潜在的知识为开展高水平医学研究提供了有力的技术工具。对历史数据进行分析的同时能预测出未来的相关数据,为医院管理人员作出正确决策提供了依据。因此对医院信息系统中时间序列数据挖掘的过程以及所应用的技术深入研究,能充分发挥数据挖掘在医疗领域的作用。     

基于聚类划分的增量式关联规则研究

数据挖掘是目前信息领域和数据库技术领域的前沿研究课题,它涉及到数理统计、模糊理论、神经网络和人工智能等多种技术,技术含量比较高,实现难度也较大.本文研究了关联规则挖掘技术的基本概念、过程和算法等,为提高数据挖掘效率,提出了基于聚类划分的增量式关联规则挖掘算法.即运用快速聚类方法实现数据划分、运用改进的FP-growth算法实现关联规则的挖掘和运用增量FP-growth挖掘算法实现增量数据挖掘的关联规则挖掘算法.     

数据挖掘技术在电信数据业务精确营销中应用研究

阐述数据挖掘技术和精确营销理论,以及数据挖掘技术在电信数据业务精确营销中应用,以福建某电信公司历史客户数据,构建移动气象站产品客户细分模型和移动气象站产品关联模型,根据模型结果为电信公司数据业务产品进行精确营销提供可行决策。     

浅析计算机数据挖掘技术在档案信息管理系统中的应用

我国档案界十余年的自动化管理中形成大量的数据,这些数据没能被充分利用。针对这种情况,需要利用计算机数据挖掘技术将档案与利用者之间以及档案与各种实践活动之间的关系揭示出来,从而在更深层次上发挥档案数据的作用。介绍了数据挖掘技术的发展状况,对常见数据挖掘形式的实现方法进行了分析,最后论述了数据挖掘技术应用于档案信息数据处理中的意义。     

基于网络数据挖掘技术的电子商务应用

数据挖掘定义为是从存放在数据库、数据仓库或其他信息库中的大量数据中挖掘有趣知识的过程。对数据挖掘的基本特点与流程和电子商务中Web数据挖掘与数据源进行了分析,并对数据挖掘技术在电子商务领域的应用进行了研究探讨。     

关联规则的更新及其算法

数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。关联规则是当前数据挖掘研究的主要模式之一，侧重于确定数据中不同领域之间的联系，找出满足给定支持度和可信度阀值的多个域之间的依赖关系。根据关联规则的算法，介绍了FUP、FUP＊等对规则的更新及维护的典型算法，并指出了数据挖掘的进一步研究方向。     

数据立方体上的约束关联规则挖掘

数据挖掘作为一项从海量数据中提取知识的信息技术引起了国内外学术界和产业界的广泛关注,基于数据仓库的联机分析挖掘系统的应用已成为数据挖掘技术的发展趋势,本文结合联机分析挖掘的思想和基于目标属性关联规则挖掘算法,提出并构建了数据立方体上的基于约束的关联规则挖掘算法。最后的算例证明了该算法的有效性。     

食品流通环节安全保障策略研究

食品供应链数据中隐含着大量潜在有用的食品安全信息,基于数据挖掘的视角,构建食品供应链信息共享平台,运用关联规则技术,针对流通环节中的食品安全问题,从复杂的供应链数据流中,提取食品质量保障规则,为决策者制定安全保障策略提供数据支持,从而降低不合理的人为因素影响,避免食品安全事件的发生,为我国食品安全问题的解决提供新的思路。最后以三元乳制品开展实例研究,验证了所建立数据挖掘模型的有效性。