数据挖掘及其在电子商务中的应用

介绍了数据挖掘的定义以及数据挖掘的三个过程．重点阐述了数据建模的三种主要技术，并对数据挖掘在电子商务上的应用进行了论述。     

基于Hadoop的数据挖掘实践平台研究与应用

针对数据挖掘实践课程现状和实际教学效果,结合数据挖掘实践课程特点,在分析总结多种数据挖掘工具的基础上,设计了一种基于Hadoop的数据挖掘实践平台.架构在分布式计算平台Hadoop上的数据挖掘实践平台,克服了传统数据挖掘工具的种种问题,其能够支持数据挖掘的标准流程,处理TB级的海量数据用于实践挖掘,为数据挖掘基础实践提供了丰富的数据挖掘算法用于建模.同时,基于Hadoop的数据挖掘实践平台提供了灵活多样的应用开发接口,能够支持第三方软件商集成开发,快速构建大型海量数据挖掘的应用系统,完成综合数据挖掘应用的二次开发.基于Hadoop的数据挖掘实践平台,为数据挖掘实践与科研提供了海量数据处理能力的数据挖掘平台,激励学生以竞赛模式学习和完成数据挖掘实践,从而促进了学生创新实践能力的培养.     

高校管理人员教育数据挖掘能力培养的实践价值与实施路径

大数据时代,培养高校管理人员教育数据挖掘能力,提高数据使用与数据挖掘的素养,不仅相当必要,而且已经变得特别迫切。高校可以通过教育数据挖掘来处理课程、案例、实习问题,培养管理人员的数据理解能力、数据处理能力、数据建模能力。丰富的数据化的课程资源、共享案例库和高素质的师资是高校管理人员教育数据挖掘能力培养的关键。     

数据挖掘与决策树J48算法在文本分类中的应用

为了应对信息社会数据急剧增长,获得用户感兴趣或有益的数据,必须对数据进行处理,数据挖掘技术就是应这种需要而发展的.数据挖掘要取得有用数据,必须对数据进行种分类、聚类和关联三种不同的任务处理.对于文本信息的分类是数据挖掘的一个主要应用,而决策树算法利用自身优势和分类效率,在文本处理中有巨大的应用前景,尤其是J48算法应用与文本信息的分类有广泛的应用价值.     

应用场景驱动的《数据挖掘》课程项目化教学法探索

阐述了数据挖掘课程在教学和实践环节中的主要内容和要求,进而针对数据挖掘课程实践性较强的特点,提出了实际应用场景驱动的项目化教学方法。教学实践结果表明:通过基于来源于实际应用的真实数据,引导学生结合数据的应用场景和具体数据挖掘技术,分析目标场景的应用需求和技术要求,并进行相应技术实践,能使学生对数据挖掘技术的学习兴趣得到极大提高,同时,对数据挖掘应用的理解和实践能力也得到显著提升。     

数据挖掘与决策树J48算法在文本分类中的应用

为了应对信息社会数据急剧增长,获得用户感兴趣或有益的数据,必须对数据进行处理,数据挖掘技术就是应这种需要而发展的.数据挖掘要取得有用数据,必须对数据进行种分类、聚类和关联三种不同的任务处理.对于文本信息的分类是数据挖掘的一个主要应用,而决策树算法利用自身优势和分类效率,在文本处理中有巨大的应用前景,尤其是J48算法应用与文本信息的分类有广泛的应用价值.     

适应大数据时代的统计学专业课程体系重构初探

大数据给统计学带来机遇和挑战。通过描述大数据特点,分析并探究了现行统计学课程体系应对数据爆发性增长、内容体系和课程设置上的不足之处。并针对性地提出了大数据背景下未来统计学课程教学改革策略:重视培养学生的数据挖掘能力、现代计算技术能力、不同类型数据分析能力、数据复杂性和不确定性系统建模能力。     

教育大数据的收集、数据质量分析及数据预处理研究

教育大数据挖掘的基础就是数据,丰富、高质量的强大数据对数据挖掘的结果至关重要。在数据挖掘中数据的准备是耗时最多的环节,数据的准备包括教育数据的收集、数据的质量分析和数据的预处理三个环节,只有做好这三个环节,才能保证教育大数据的最大价值和数据挖掘的有效性。     

基于数据挖掘的选课系统的开发与实现

本文首先采用UML作为分析和设计的工具对系统进行静态建模,在此基础上采用数据挖掘技术,设计和实现了适合学分制和决策分析的大学选课系统,给出了利用数据挖掘技术对系统的数据进行决策分析的思路和实现方法.     

基于数据挖掘技术解决网络学习问题的探索

数据挖掘技术的迅速发展为网络学习中个性化学习提供了可能。本文对数据挖掘方法在网络学习中的应用和研究现状进行了简单描述。首先从数据挖掘的角度介绍建模技术使用的类型以及数据挖掘问题处理的方法,最后从网络学习的角度分析各种网络学习问题与之对应的数据挖掘技术的应用。     

基于聚类模型的电信客户战略分群

本文基于数据挖掘中的聚类模型,依据电信客户的行为和价值,对其进行战略分群,详细论述了数据挖掘的专题选择,模型建立,并提出了客户分群总体分析框架。通过对客户的分群挖掘,为电信高层管理者提供准确、有用的决策信息。     

统计学方法在数据挖掘中的应用与评价

讨论了统计学方法在数据挖掘中的主要应用，包括贝叶斯分类法和用于连续值预测的线性回归统计技术建模，以及基于统计学的概念聚类方法，并分析了算法的有效性和局限性。     

数据挖掘在商业智能中的应用

讨论了商业智能的基本概念和结构模型,阐述了数据挖掘在商业智能中的作用,并介绍了数据挖掘对象的分类方法和常用的数据挖掘技术。     

数据仓库在电信业中的应用研究

在电信企业CRMS建设的背景下,介绍了国内外CRM的现状和趋势以及数据仓库技术和数据挖掘技术,重点阐述了电信运营数据仓库的建模和实施、ETL模块设计和联机分析处理的实现. 通过实践证明该方法是行之有效的.     

两种SSAS测试方法在销售信息数据挖掘建模中的应用

为了使模型在实际的数据挖掘中有更高的准确性和更好的挖掘性能,在将挖掘模型部署到生产环境之前,需要对挖掘模型进行测试,确定模型的预测是否准确,以帮助决策部门选择性能最好的挖掘模型来对实际数据进行挖掘预测。本文主要讨论了基Microsoft SQL SERVER Analysis Services（SSAS）数据挖掘模型的主要测试方法,并用一个实例解读了其中的两种方法：提升图和分类矩阵。     

数据挖掘在电大开放教育中的应用

利用数据挖掘技术对电大在校学员的数据进行分析、推理,可以找出导致学员流失的主要原因。文章从数据仓库主题的分析开始到模型的建立,系统的实现,最后随机抽取一组数据进行分析,详细的介绍了如何将数据挖掘技术应用于电大学员流失问题中。     

基于数据挖掘的入侵检测系统的设计与实现

入侵检测是网络安全领域的一个重要技术,也是当前网络安全理论研究的一个热点。本文提出了一个基于数据挖掘的入侵检测系统DMIDS,并详细介绍了DMIDS的基本思想,阐述其结构及主要功能,着重分析了该系统的数据挖掘过程。     

数据挖掘技术在信用卡业务中的应用

在信用卡业务开展的过程中,银行积累了大量有关客户的人口特征、消费、取现、还款以及催收行为等历史数据,适合采用数据挖掘模型给管理人员提供大量的具有高度预测力的信息.本文讨论了数据挖掘技术在信用卡业务中的业务应用.     

Web日志挖掘中的数据预处理技术研究

对Web日志数据的预处理是Web日志挖掘的基础和关键。论文分析了Web日志挖掘处理的基本过程,分析讨论了Web日志挖掘中的数据预处理技术及其过程。