基于Web挖掘中聚类算法的浅析

针对Web挖掘,首先论述了Web挖掘的基本理论,接着分析数据挖掘中的聚类算法,讨论了聚类分析的数据结构和数据类型,以及聚类算法的分类,详细介绍了数据挖掘中用到的主要聚类算法,最后对评价聚类结果的方法进行了分析。     

基于聚类的关联规则挖掘算法

关联规则是数据挖掘中一个非常重要的任务,有许多针对于关联规则的挖掘算法,然而需要提高算法的有效性来处理现实世界中的数据集。基于聚类的关联规则挖掘算法法通过扫描数据库创建聚类表,将收集的事务记录放入聚类表中,通过局部聚类表的约束来产生频繁项集,不仅可以剪枝候选项集,降低数据扫描的时间,而且确保挖掘结果集的正确性。实验结果表明,基于聚类的关联规则挖掘算法比Apfiori算法有更高的执行效率。     

一种基于SOM单属性时态特征聚类的方法

对单属性时态特征聚类进行了研究,提出了一种基于SOM网络(自组织特征映射)聚类提取单属性时态数据特征的方法,通过实验表明此算法是有效的.     

我国高等职业教育资源配置绩效评价研究——基于AHP-TOPSIS和SOM聚类模型的视角

从办学条件、教学及经费、学生发展、交流培训与服务4个维度选取了21个高等职业教育资源指标,构建了高等职业教育资源配置绩效评价指标体系。运用AHP-TOPSIS模型测算了我国30个省份2018年高等职业教育资源配置绩效的评价值,并利用SOM聚类分析,确定各省份高职教育资源配置绩效的等级。结果显示:纵向科研经费、对外交流和学生就业三种资源配置绩效最优,信息化教学宽带、年生均财政拨款、师生比和高职院校数量四种资源配置绩效最差;从省份中观层面来看,江苏省的高等职业资源配置绩效最优,广东、山东、浙江和北京次之;从区域宏观层面来看,东部地区高等职业教育资源配置绩效优异,中部地区资源配置绩效较差,西部和东北地区的资源配置绩效最差。     

基于模糊等价关系聚类分析的挖掘算法实现探析

基于模糊等价关系的聚类分析就是利用求模糊相似矩阵的传递闭包进行模糊聚类。拟介绍这种方法及其具体的实现过程。     

基于SOM网的DEMETER卫星电场数据聚类异常分析

为提取汶川大地震前的电离层异常信息,特选取汶川大地震前10天的DEMETER卫星电场数据作为研究对象,以均值、均方差、偏度和峰度等四类随机信号数字特征作为输入层,经过若干次样本训练建立SOM网聚类模型。结果表明,汶川地震前卫星采集的震区信号存在若干异常数据,可能与震前电磁波辐射引起电离层扰动有关。     

基于数据挖掘的客户细分技术

针对数据挖掘算法中的聚类算法在聚类不规格形状数据点分布的处理难题,对基于密度梯度的聚类算法进行了研究。通过分析数据样本及其周边的点密度变化情况,选择沿密度变化大的方向寻找不动点,从而获取原始聚类中心,再利用类间边界点的分布情况对小类进行合并。阐述了基于密度梯度的聚类算法以及应用此算法进行电信行业客户细分的方法、步骤和案例。     

用于客户分类的K-means算法

从数据挖掘方法中常用的聚类算法的基本原理，将聚类算法中的K—means算法用于客户关系管理系统中，实现客户分类．并且对K—means算法进行了改进，根据客户信用特征对客户进行预分类，提高了算法的效率．     

加权SOM神经网络在水文分区中的应用

由主成分分析法得到每个主成分的贡献率,把特征分量贡献率引入到自组织映射神经网络中,在竞争过程中选用加权欧氏距离来寻找获胜神经元,对传统的自组织映射神经网络进行了改进,在本文中提出了一种加权SOM神经网络,填补了在实际应用中传统SOM神经网络没有考虑各特征分量的重要性不同的空白.     

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。     

从数据仓库中发掘潜在的信息价值

随着信息技术的发展,数据收集、数据访问、数据仓库和决策支撑、高性能并行计算等技术为数据挖掘的发展奠定了基础。如今,数据挖掘技术已经被应用到各行各业,并创造出了巨大的价值。介绍了现今数据挖掘的基本技术,并通过实际的商业应用程序实例阐述其与现在的商业环境之间的关系。通过数据挖掘技术,从数据仓库中为最终用户带来潜在的商业价值。     

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。     

数据流挖掘中的聚类技术

在动态数据流挖掘过程中,对数据流进行聚类,把未知的数据流划分或者生成到一个簇中。发现隐含的知识、价值和模式,是一种非常有效的数据流挖掘技术。分析和研究了数据流挖掘的聚类算法,并对数据流聚类技术发展进行了展望,提出了数据流挖掘的研究方向。     

基于视频的数据挖掘系统的研究

研究了一种视频数据挖掘的系统结构.介绍了该系统中各主要模块的功能;描述了视频数据预处理和视频数据立方体;讨论了视频数据挖掘方法并探讨了典型的视频挖掘技术.     

数据挖掘技术综述

面对"人们被数据淹没,却饥饿于知识"的挑战,数据挖掘和知识发现(DMKD)技术应运而生,并得以蓬勃发展,数据挖掘技术已成为计算机科学界的研究热点之一.     

数据挖掘技术在高职院校教学中的应用

文章以SQL Server 2005为平台建立＂成绩管理数据库＂,包括表、视图的设计。并且利用数据挖掘技术中聚类分析模型研究各专业选修课之间是否存在关联关系。研究结果认为：不同专业学生选修课程有一定的关联。     

电子政务的数据挖掘研究

分析了电子政务为促使政府职能从管理到服务的转变、政府工作流程从繁到简的改革、政府领导决策从拍脑袋到依靠数据和事实说话创造了巨大的空间。探讨了数据挖掘如何帮助政府获取数据、智能分析数据并辅助决策,使得以服务公众、实现资源共享、提高效能为主题的智能化的电子政府成为现实的热点问题。     

WEB数据挖掘技术研究

对web数据挖掘进行了全面的论述，并讨论了Web挖掘的分类和应用．在此基础上阐述了当前流行的挖掘技术，给出了Web数据模型，指出Web数据挖掘的发展方向和趋势．     

数据挖掘技术在高校教学评估中的应用

本文讨论了数据挖掘技术在高校教学评估中的应用，分别利用聚类和关联规则挖掘方法获取了具有不同成绩特征的学生群体和分析出影响学生成绩的主要教师因素，所得出的结论对高校教学评估和教学工作都具有一定的指导意义。