数据流频繁项挖掘的研究

对数据流频繁项挖掘的主要算法包括基于Hash的方法和基于抽样的方法,以及更为高效和动态性更强的算法等进行了分类论述和比较,讨论了存在的主要问题和未来研究方向。     

基于粗糙集客户价值评价的规则挖掘

利用粗糙集理论,建立了一种较全面的客户价值评价模型,并利用模型进行了实证研究.结果表明,利用粗糙集理论建立的客户价值评价模型,在企业客户价值评价中具有更加客观,公正的特点,在客户关系管理中具有重要的理论和实用价值.     

基于数据挖掘的网络交易系统的实现

对个人网上银行数据仓库的数据处理中使用了Birch算法Birch算法充分考虑到数据分布的不均衡性,利用簇对数据对象进行划分,将对数据对象的聚类转变为对簇的聚类,给出了Birch算法的改进算法,井将其应用在个人网上银行数据仓库的数据处理中,论证了其在处理海量数据时显著的优越性。     

云模型在空间数据挖掘和知识发现中的应用

定性概念和定量数据之间的转换在空间数据挖掘和知识发现中起了至关重要的作用。云模型是定性概念和定量描述之间的转换模型．基于云模型．文章提出了在概念空间和特征空间中以不同的层次进行空间数据挖掘和知识发现的新方法“数据-概念-知识”。     

基于通用数据库访问引擎的数据变化捕获方式

在对常用的数据捕获方式进行分析的基础上,提出了基于数据库的访问引擎的数据变化捕获方式。该方式屏蔽了多个数据源间的物理分布差异以及数据库种类差异,实现了分布、异构数据库的数据变化捕获。     

在客户建模中如何选择数据挖掘方法

随着市场化程度的提高,企业间的竞争会随着客户群体的成熟而越来越激烈,把握市场机会、市场开拓切入点的选择乃至随市场变化的敏锐度将决 定企业的生死存亡,而这些反映企业生命力的要素,很大程度上取决于建模和数据挖掘技术的应用能力。在客户建模中如何选择数据挖掘方法显得尤为突出。     

文本挖掘在Web中的技术分析

根据调查,各领域的信息存储约有80%包含在文本文档中,文本挖掘因此也被认为比数据挖掘具有更高的商业潜力。作为从浩瀚的Web信息资源中发现潜在的、有价值知识的一种有效技术,Web领域的挖掘技术正悄然兴起,备受关注。本文重点阐述文本挖掘在Web中对信息抽取、挖掘过程及超文本挖掘技术的分析及应用。     

Web日志挖掘在远程教育系统中的应用

随着计算机网络技术的不断发展,远程教育教学系统越来越多地被应用到高校远程教育教学中,但当前的远程教学中,学员只是被动地接收远程教育网站中的知识。如何根据学员的访问信息,为学员提供个性化教学;如何通过学员的访问信息,改善网络的拓扑结构,更好地促进远程教育系统的功能的发挥,结合Web日志挖掘的基本功能,本文提出了基于Web日志挖掘改善远程教育教学系统,为学员提供个性化教学的基本模式。