试论数据挖掘中的遗传算法

本文对数据挖掘进行了概述，阐明了数据挖掘的概念、数据挖掘在商业中的意义。如何进行数据挖掘及数据挖掘流程，提出了数据挖掘技术中的一个重要算法-遗传算法的基本原理以及遗传算法在数据挖掘技术中的地位。提出了基于遗传算法的关联规则的提取方法。文章还给出了用遗传算法进行关联规则挖掘的实例，并讨论了数据挖掘技术所面临的问题和挑战。     

关联规则挖掘在图书馆信息服务中的应用

介绍了数据挖掘中的关联规则技术,使用关联规则对图书馆中的流通数据进行了分析,并且给出了实例,对在使用中的有关问题进行了讨论并提出了解决方法.     

浅谈可视化数据挖掘技术与工具

文章阐述了可视化数据挖掘技术的概念,重点描述了可视化数据挖掘技术解决商业问题的基本步骤,并对可视化数据挖掘的未来趋势做了介绍。     

空间数据挖掘技术理论及方法

论述了空间数据库技术及空间数据挖掘技术的理论及特点,分析了空间数据挖掘技术的层次、方法,并重点介绍了当前常用的分类、聚类、关联规则等空间数据挖掘方法,指出了当前空间数据挖掘技术中尚需解决的问题、发展趋势及方向。     

论数据挖掘的发展前景及潜在价值

作为一项通用的知识发现技术,数据挖掘技术旨在从少量数据中提取出人们感兴趣的数据信息。文章对数据挖掘概念的产生,数据挖掘与常规数据分析的主要区别,所能解决的几大类问题和所应用的领域都有清晰的论述,并且结合数据挖掘的应用模型及技术提出了数据挖掘的应用前景。     

数据挖掘在图书销售企业精确营销中的应用

研究基于数据挖掘技术的精确营销的方法和理念,结合图书销售企业目前的营销现状和存在的问题,挖掘发现隐藏在海量数据中的知识.通过对企业管理信息系统的源数据库海量信息的数据进行数据分析、提取,确立主题,进行有效的数据组织,来构建数据仓库模型.应用Microsoft SQL server 2005 Analysis提出数据挖掘技术的解决方法,并使用其功能强大的数据挖掘技术:决策树、聚类分析和关联规则等应用广泛的分析方法,探讨基于数据挖掘技术的精确营销在图书销售企业的客户细分,用户购买行为分析以及营销策略.     

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。     

大数据时代的数据挖掘

通过分析大数据外显的规模、种类、变化频度和价值密度等特征,提出采用数据挖掘技术解决海量数据的分析、集成、共享等问题,阐述了数据挖掘技术的概念,数据准备、数据挖掘及解释评估等三个过程,详细论述了数据挖掘的方法,以及在大数据智能分析中的实现技术。     

数据挖掘在电子商务中应用问题研究

随着商业信息和商业数据的急剧增加，如何有效地分析和利用这些信息，找出其中的内在联系，为经营活动服务成为电子商务经营者共同关注的问题。本文论述了数据挖掘的由来、数据挖掘的基本功能、国内外数据挖掘技术的发展概况以及数据挖掘在电子商务中的应用等问题。     

数据挖掘中关联规则算法在教学评价系统中的研究

关联规则技术是数据挖掘的最重要的组成部分之一,它用于发现大量数据中项集之间的有意义的关联和相关联系。本文旨在研究如何将数据挖掘技术与教学评价相结合,从大量数据中提取出隐藏在数据之中的有用的信息。     

数据挖掘与商业决策

本文从"纸尿布与啤酒"这个小故事入手,分析了数据资源的开发利用在商业决策中的重要作用,并由此引出目前最先进的数据资源开发利用技术--数据挖掘技术.接下来较为详细地介绍了数据挖掘技术及其功能,数据挖掘技术在商业活动中的主要应用价值,以及商业活动中数据挖掘的基本流程.     

基于Web的数据挖掘技术

Web数据挖掘有很多研究热点,其中关联规则挖掘是Web数据挖掘领域研究的一个重要方面.本文首先对数据挖掘、Web数据挖掘和Web数据预处理等相关知识进行了阐述;然后研究了关联规则基本理论及关联规则经典算法;最后为了解决现实数据库中每个项目的分配不均匀性和重要性差异,重点研究了加权关联规则挖掘算法.     

空间同位规则算法的研究与改进

空间关联规则是空间数据挖掘所要发现的一种重要知识。一般的空间关联规则研究是基于传统的关联规则,然而这些方法在处理空间关系时是不适用的。同位规则问题的提出,很好的解决了挖掘正确有效的空间关联规则的需要。在介绍空间多维分类数据同位规则挖掘算法的基础上,对该算法进行了一点改进,使其能更好的针对不同的实际数据进行处理。     

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.     

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。     

浅谈数据挖掘在物流仓储管理中的应用

针对目前物流企业仓储管理系统在随机的仓储运作中产生了大量的业务数据,而这些数据又很难直接为物流仓储决策提供真正有价值信息的问题,对数据挖掘、数据挖掘与物流仓储管理系统的结合相关以及数据挖掘技术进行阐述,提出用数据挖掘技术来解决物流仓储管理中存在的问题,并给出几种常见问题的解决方案。     

基于FP-Growth算法的图书馆订购推荐系统设计

<正>point针对传统图书馆无法为文献采访人员提供准确个性的图书推荐服务的问题,本文提出构建基于FP-Growth算法的数据挖掘的图书馆订购推荐系统,利用FPGrowth算法,对图书馆产生的图书借阅记录进行关联规则挖掘,为文献采访人员提供借阅率较高的馆藏图书数据。随着当今社会信息化的高速发展,数据挖掘技术已经在商业领域如电信、银行、互联网等行业实现了大范围的应用,给用户提供可定制的个性化服务,这给高校图书馆提供了一     

数据挖掘在电子商务的应用研究

网络的发展推动了电子商务的繁荣,但是如何更有效的运用海量数据,并发挥最大效用,仍然是人们关注的热点。出现已有一段时间、应用范围越来越广泛的数据挖掘在一定程度上能解决此问题。探讨数据挖掘在电子商务的应用研究变得很有意义。通过对数据挖掘概念及一般工作过程的研究,数据挖掘在电子商务中应用的阐述,运用数据挖掘技术如何在一定程度上解决电子市场繁荣背后隐藏问题的分析,数据挖掘技术存在的问题很容易的呈现给研究者,这将为为以后的研究奠定理论基础。     

基于DEA的数据挖掘技术应用现状综述

综合运用DEA和数据挖掘模型是一个新兴的可持续发展的领域,数据挖掘作为从数据中寻求有意义的模式和规则的信息技术,是当前一种热门的研究内容,并且已经在包括金融数据分析信用评估等领域获得了很好的应用。本文结合目前国内外最新的一些DEA理论和数据挖掘技术对DEA和数据挖掘的综合应用技术进行综述。     

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.