SSAS神经网络算法在呼叫中心运营中的预测应用

介绍一种利用数据挖掘技术建立用于呼叫中心运营中的预测分析挖掘模型。主要介绍了基于Microsoft SQL SERVER Analysis Services(SSAS)的神经网络算法,以及SSAS神经网络算法在对某呼叫中心数据进行预测分析中的应用,通过分析神经网络算法挖掘模型所发现的模式,理解数据和其中的趋势,为提高客户对呼叫中心满意度提供有力的参考和辅助。     

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。     

基于SSAS的数据挖掘方案的构建

讨论了在SQL Server 2005数据管理系统中利用SSAS服务实现挖掘时序模型的方案,不需要使用第三方专门的挖掘系统,从而提高数据处理效率,降低成本.     

聚类分析在学生成绩管理中的应用

对高校学生考试成绩进行分析是教学管理的重要工作之一,传统的分析统计方法虽然方便快捷,但这种方法存在一些缺陷,不能客观而全面的反映学生的学习情况.使用数据挖掘中聚类分析方法对学生的原始成绩进行分析,可以有效地克服传统分析方法的缺陷.实验结果表明:k-means算法对学生成绩进行快速聚类具有较高的效率,能够有效地克服传统分析方法的缺陷.     

模糊聚类分析在数据挖掘中的应用研究

聚类分析是数据挖掘的一个重要研究领域,按照一定的要求和规律将事物进行分类的一种数学方法。将模糊数学的模糊理论应用于数据挖掘的聚类分析中,提出一种快速模糊C-均值聚类算法,并给出模糊聚类分析在数据挖掘中的应用的主要步骤,大大提高计算效率,收敛速度非常快,对大量数据处理是有实际意义的。     

数据挖掘中的聚类分析研究

从数据挖掘的概念入手,在系统介绍了聚类分析的概念和一般步骤的基础上,详细阐述了聚类分析在数据挖掘中的常用方法。     

基于数据挖掘技术的聚类分析算法在异常入侵检测中的应用

入侵检测已经成为近年来网络安全研究的一个热点,实践证明,基于数据挖掘技术的聚类分析算法是能够有效地帮助建立网络正常行为模型,并且显著提高了入侵检测的速度的算法.     

模糊聚类分析在数据挖掘中的应用

聚类分析是数据挖掘的主要方法之一,而且能够作为一个独立的工具获得数据的分布状况,集中对特定的聚簇集合作进一步的分析。介绍了数据挖掘过程中常见的数据聚类算法,讨论了聚类分析最新的研究方向——模糊聚类方法。     

聚类算法在教学质量评估体系中的应用分析

教学质量评估在高校教学管理中起到非常重要的作用,如何将数据挖掘中的聚类算法应用其中,找到隐藏在大量数据中的有用信息至关重要。从聚类方法的介绍、基于学生评分数据的聚类分析应用及详细分析过程,最终得出聚类结果对于教学及管理的指导作用。     

聚类分析在税务客户细分中的应用

介绍了数据仓库、知识发现以及数据挖掘的概念,详细分析了聚类分析算法。以电信企业使用数据挖掘工具进行客户聚类分析为例,介绍了如何在税务客户管理中应用聚类技术对纳税人进行客户细分,从而实现对不同类别的纳税人提供有针对性的、个性化的服务。     

基于数据挖掘技术的CRM系统中客户行为

为了解决在企业中实施客户关系管理(CRM),CRM系统中客户行为的定量研究问题,利用决策树的数据挖掘相关技术和方法,提出了UPTree数据挖掘算法,并采用UPTree算法对隐藏在大量客户行为中的信息进行挖掘,从而获取了CRM系统中潜在的客户行为规则,并给出这些行为规则的IF-THEN的描述形式,为企业的科学决策提供依据。     

关联规则分析在学生成绩管理中的应用

介绍了数据挖掘中的关联规则分析的概念、特点和常用算法,并利用改进的Apriori算法对高职高专院校信息技术公共课考试成绩进行了分析指导。     

应用数据挖掘技术研发通信业"离网预警"模型

使用数据探索分析及决策树算法等数据挖掘方法开发通信行业“离网预警”模型。以协助通信公司采取合适的客户挽留措施,确保客户忠诚度,保持通信公司收入。     

探讨聚类分析方法在高校教学评价中的应用

本文以多位一线教师的教学情况为样本对高校教学中的各项指标进行了具体的聚类分析并对分析的结果进行了相关的具体分类。在这个研究过程中,得出了教师们各项教学指标的差距,从而为今后的高校教师从哪些方面进行提升和努力提供了一定程度上的依据。     

模糊上下文无关文法语法分析和识别的并行算法

通过对模糊上下文无关文法的详细分析,在上下文无关文法语法分析和识别算法的基础上,提出了并行的模糊上下文无关文法语法分析和识别算法,通过实例详细分析了算法的并行处理过程,验证了算法的正确性.     

改进的Fp—Growth算法在高校教务选课系统中的应用

对数据关联规则挖掘中最为消耗系统资源的步骤——搜寻频繁项集作了深入的描述,在对已有数据关联规则挖掘算法的分析基础上,提出了基于Fp—Growth算法的数据关联规则挖掘改进的Fp—Growth算法,开发了无锡交通高等职业技术学校的教务管理系统,并通过实验验证了改进的挖掘算法的有效性和优越性。     

Web日志挖掘在校园网建设中的应用研究

在Web日志挖掘的基础上,构建挖掘系统模型,采用模糊聚类方法对采集的日志数据进行聚类,得到用户的访问模式,从而指导校园网网站管理人员改善Web站点结构,提高用户查找信息的准确率和效率。     

Apriori关联算法在学生成绩中的应用

介绍了数据挖掘中关联规则的概念及经典的Apriori算法,以及Apriori算法在学生成绩中的应用.     

数据挖掘之聚类算法综述

近年来,数据挖掘技术的研究备受国内外关注,其主要原因是信息技术发展产生了大量分散的数据,迫切需要将这些数据转换成有用的信息和知识.此前的研究,主要集中于分类算法及应用方面的研究,但某些特殊领域,如生物信息学研究等,需要通过聚类方法解决一些实际问题.本文从横向深入分析了数据挖掘技术中聚类算法的发展,对层次法、划分法、模糊法,以及量子聚类、核聚类,基于密度和网格等10种聚类算法的原理、过程和特点等都进行了比较详细的分析论述.