基于PCA的SOM网络在基因数据聚类分析中的应用

把主分量分析（PCA）方法和自组织特征映射网络（SOM）相结合,应用到基因数据聚类分析中。首先对基因数据集进行PCA分析,提取出少量的特征主分量,再对数据集进行降维。这些主分量基本上可以反映原数据集的综合信息,然后应用SOM网络对得到的特征分量进行聚类分析,把相似的基因划分到一个区域。实验结果表明,与单一地选用SOM网络进行聚类分析相比,该方法有较高的分类正确率及较为清晰的分类边界,是一种非常有效的聚类分析方法。     

在文本挖掘中引人数据清洗技术的前景探析

数据仓库应用到文本信息越来越广泛,文章指出了数据清洗能提高数据的质量,阐述了数据清洗技术在文本挖掘应用中急需解决的问题.     

在文本挖掘中引入数据清洗技术的前景探析

数据仓库应用到文本信息越来越广泛,文章指出了数据清洗能提高数据的质量,阐述了数据清洗技术在文本挖掘应用中急需解决的问题。     

基于SOM聚类的个性化图书推荐研究

个性化推荐是图书馆个性化信息服务的主要方式之一。本文在传统推荐算法的基础上,提出了一种基于SOM聚类的个性化图书推荐方法,该方法结合中国图书馆分类法对读者的借阅信息进行分析,并利用SOM网络对借阅文档进行聚类。利用个性化推荐技术来调整图书馆的信息服务模式,推送最贴近读者需求的信息给读者,从而提高图书馆馆藏资源的利用率和图书馆的服务质量。     

基于SOM聚类的电网可视化数据挖掘模型

面对电力系统中海量的多维数据,传统的可视化数据挖掘无法满足空间数据处理的需要,多维数据可视化也不利于用户获取知识。因此提出了基于SOM(自组织特征映射网络)聚类的电网可视化数据挖掘新模型VSDMmodel,模型利用改进的SOM聚类算法对高维电网数据进行降维,提出一种基于颜色映射的可视化方法,对聚类结果进行低维展现,加快了用户对挖掘结果的理解,并且允许用户对结果中感兴趣的区域加以深入分析,实现对电力系统海量数据的可视化挖掘。     

基于SOM聚类的信息产品质量评价模型

自组织特征映射(SOM)是一种基于模型的聚类方法,目前在信息分析领域得到了广泛的应用.探讨了对信息产品的质量进行分析和评价的问题,根据神经网络的信息处理特性,提出了利用SOM网进行信息产品质量评价的研究思路,并给出了相关模型.     

基于SOM聚类的信息产品质量评价模型

自组织特征映射(SOM)是一种基于模型的聚类方法,目前在信息分析领域得到了广泛的应用。探讨了对信息产品的质量进行分析和评价的问题,根据神经网络的信息处理特性,提出了利用SOM网进行信息产品质量评价的研究思路,并给出了相关模型。     

基于SOM文本聚类的领域本体学习研究

提出基于SOM文本聚类的领域本体学习模型与方法,并用实验验证了其在领域本体学习过程中能够提高学习的效率和准确性.     

中东部地区城乡统筹水平的SOM网络聚类分析

神经网络用于样本分类是一个新的研究课题,利用自组织特征映射(SOM)神经网络,对中东部地区城乡统筹水平进行分类。计算实例表明,用自组织特征映射(SOM)神经网络用于分类是准确和可靠的。     

SOM聚类算法在文本分类上的应用

随着网络信息指数级的增长，如何高效地组织海量的文本信息成为众多终端信息查询的基本要求。本文利用神经网络的联想记忆原理，提出一种改进自组织映射（SOM）神经网络聚类算法来对这些信息进行索引和分类。改进SOM聚类算法通过文本的预处理和词汇权值的计算，SOM网络的训练过程以及多次聚类来细化各文本类别，最终产生概念空间。试验结果表明该算法对文本有很好的分类管理功能，便于文本检索。     

基于数据仓库联机分析处理技术的研究

随着数据仓库理论的发展,数据仓库系统已逐步成为新型的决策管理信息系统的解决方案,而数据仓库系统的核心是联机分析处理。主要介绍了OLAP技术和多维数据领域中的一些基本概念及多维数据分析的主要方法和多维数据的3种存储模式：ROLAP、MOLAP、HOLAP。     

从数据库到数据仓库的设计与实现

作为数据库技术的一个新的发展方向,DW技术与DB技术相结合产生集成、一致的环境,将使企业在决策中更快地获得更准确的信息。本文着重阐述了数据仓库的基本概念、特征,并介绍了从数据库到数据仓库设计、实现的基本步骤。     

初析数据挖掘技术

数据挖掘是人们长期对数据库技术进行研究和开发的结果,是当前计算机科学研究的活跃领域。数据挖掘技术能快速有效地从海量的网络信息中,挖掘出潜在的、有价值的信息,使之有效地在管理和决策中发挥作用。数据挖掘方法结合了数据库技术、机器学、统计学等领域的知识,从深层次挖掘有效的模式。数据挖掘技术具有广泛的应用前景。     

浅谈数据仓库与数据挖掘技术及应用

数据仓库技术是基于信息系统业务发展的需要,基于数据库系统技术发展而来,并逐步独立的一系列新的应用技术。数据挖掘技术为应对信息爆炸、海量信息的处理提供了科学和有效的手段。本文简单介绍了关系数据仓库、数据挖掘的概念、结构、基本原理、技术和应用领域。     

基于数据仓库的银行监管报表系统研究

为适合新形势下金融监管工作的要求,解决大数据、高并发、低时延情况下监管报表的填报、加工、展现等问题,构建了基于数据仓库的银行监管报表系统,提出了特色的报表数据建模方式,进一步探讨了智能化公式解析引擎、主从式报表填报、动态化作业调度等技术。实验结果表明,该方案具有很好的应用效果。     

基于数据仓库的高校就业信息管理OLAP系统设计

结合数据仓库的相关概念进行了分析、介绍高校就业管理OLAP系统设计,通过OLAP工具分析了其多维数据,使决策者能以快速地从各个角度分析数据,为学校作出科学的决策提供了辅助支持。     

基于GML和空间数据仓库技术的GIG数据共享模式研究

传统的GIS系统缺乏统一的数据格式标准,不同应用系统之间由于文件存储格式不同而无法实现直接数据共享。空间数据仓库技术可以实现GIS数据存储的统一标准化和应用的深层化,而GML的空间数据转换技术可实现Web环境下GIS数据的高速传输和共享。在对现有GIS数据共享方案及其中的各种数据共享模式进行分析的基础上,指出其中的不足之处,然后提出了面向管理的GIS数据共享模式,并就其实施模式和特点进行了研究。     

基于数据仓库的CRM应用研究

客户关系管理（CRM）逐渐成为企业的焦点，也是数据仓库技术的重要应用领域，本文介绍了客户信息管理以及数据仓库技术，分析了数据仓库技术在CRM中的应用；阐述了目前数据仓库应用面临的困境；并从应用及技术的层面，分析了成功实现基于数据仓库的CRM的关键点．     

数据仓库技术在高校人事信息中的应用

目前,许多高校都已建立了人事信息管理系统,积累了比较完整的数据。如何有效地存储、管理和分析这些数据,从中提取有用信息,成为所要解决的主要问题。为此提出并设计了高校人事信息的数据仓库体系结构,实现了高校人事信息数据仓库的构建和应用,为高校管理决策者提供更多的支持。