用神经网络来进行数据库中知识发现

讨论了数据库中的知识发现的基本技术，提出了一种适用于数据挖掘的神经网络方法，并给出了神经网络数据挖掘系统的构造过程，应用结果表明该方法是可行有效的，并对该方法进行了深入的讨论。     

数据挖掘技术及其在通信行业中的应用

数据挖掘是一种新的商业信息处理技术,其主要特点是对商业数据库中的大量业务数据进行抽取,转换,分析和其他模型化处理,从中提取辅助商业决策的关键性数据。简而言之,数据挖掘其实是一类深层次的数据分析方法,可以描述为：按企业既定业务目标,对大量的企业数据进行探索和分析,揭示隐藏的、未知的或验证已知的规律性,并进一步将其模型化的先进有效的方法。本文介绍了数据挖掘技术的产生背景,并结合通信行业客户流失的预测与控制简要介绍了数据挖掘的实施过程。     

数据挖掘在独立学院招生录取评鉴中应用

云技术、数据挖掘、互联网+等概念已经渗透到各个行业领域。高校每年招生产生的大量数据也逐渐被学校重视起来重新考量。本研究使用数据挖掘技术决策树ID3算法和其改进算法C4.5,探究这些数据运用在招生宣传决策中的可行性和有效性,并寻找录取新生的信息之间的关联规则。提出了把数据挖掘技术应用于高校招生工作和高校管理工作的新思想,并建立了高校招生的数据挖掘模型。     

数据挖掘技术及其在金融中的应用

数据挖掘是一门交叉性新学科，数据挖掘技术是目前国际上数据库、数据仓库和信息决策系统领域最前沿的研究方向之一。本文简述了数据挖掘定义和特点，介绍了其主要技术与基本步骤，并进一步分析了数据挖掘技术在金融中的应用。     

基于数据挖掘的网络型误用入侵检测系统研究

数据挖掘技术应用于网络型误用入侵检测系统中，比传统的网络型入侵检测有更大优势。数据挖掘是从大量数据中自动寻找规律的过程，它可以自动构建特征，同时提高了检测精确度，为检测未知攻击提供了可能性。介绍了数据挖掘算法以及基于数据挖掘的入侵检测系统的分类，从不同分类的角度介绍了数据挖掘方法在入侵检测系统中的应用，并且从网络层和应用层2个层次得到实现。     

数据挖掘在税收分析中的应用

税收分析是税收管理的眼睛，对及时准确地发现问题、解决问题，加强税源管理和征收管理起着重要的导向作用。本文提出将数据挖掘技术应用于税收分析，将数据仓库中大量的业务数据转化为有用的知识，为决策者提供有效的信息。本文介绍了数据挖掘的主要功能，分析了税收数据挖掘过程，并简要介绍数据挖掘在税收分析中的应用。     

简谈数据挖掘算法

数据挖掘是一种在大型数据库中寻找你感兴趣或是有价值信息的过程。本文介绍了数据挖掘的定义,功能以及数据挖掘的过程,简单介绍了数据挖掘的常用算法,详细介绍了决策树算法,并对多种算法进行了比较,最后结合当前的研究成果,分析了数据挖掘领域的应用前景。     

基于数据挖掘的分布式协同入侵检测

将数据挖掘技术用于协同入侵检测，提出基于数据挖掘的协同入侵规则生成算法，采用基于数据挖掘的分布式协同入侵检测技术，可以有效的检测协同入侵，同时还具有对未知协同攻击模式的检测能力。     

Outlier-DivideConquer：近似聚集查询中离群分治取样算法

取样是一种通用有效的近似技术,利用取样技术进行近似聚集查询处理是决策支持系统和数据挖掘实现技术中的常用方法.如何正确有效地给出近似查询结果并最小化近似查询误差是近似查询处理的关键和目标.在深入研究近似聚集查询取样方法的基础上,本文提出了一个有误差确界且只需单遍扫描数据集的离群分治取样Outlier-DivideConq...     

数据挖掘中基于信息熵的自适应聚类时间维度归约

数据归约作为一种数据挖掘中常采用的数据前处理技术,能够有效地提高数据分类的效果,对于时间序列数据,时间维度归约是时序数据挖掘最常用的数据归约技术。以单变量时间序列作为研究对象,提出并实现了一种基于聚类的时间维度归约方法。通过实验表明,该方法能够有效地减少数据维度,有效压缩数据并提高数据挖掘的分类准确率。     

基于决策树技术的预离网客户识别模型

客户流失将直接影响到通信运营企业的生存与发展.对此,需要利用数据挖掘技术通过建立预测模型,将有离网倾向的客户（预离网客户）识别出来,并采用有效措施进行保有.以CRISP-DM（跨行业数据挖掘过程标准）为工具,从商业理解、数据理解、数据准备、建立模型、模型评估和结果部署6个阶段,详细阐述了预离网客户识别模型的构建方法,并...     

大数据与云计算

大数据（Big Data）这个概念近年来在越来越多的场合、被越来越多的人提及,并且经常和云计算联系在一起,云计算与大数据之间到底是什么关系成为热点话题。本专题报告包含以下四个方面内容：1.大数据的价值;2.大数据带来的挑战;3.大数据研究成果;4.云计算是大数据挖掘的主流方式。通过本报告阐述我们对大数据的理解,以及对大数据的价值的认识,探讨大数据处理与挖掘技术,论述以下观点：没有互联网就没有云计算模式,没有云计算模式就没有大数据处理技术,也就没有大数据挖掘技术。     

一种加权的系统聚类方法及应用

提出了加权的系统聚类方法．该方法通过对不同的客户特征赋予不同的权重,达到对客户的聚类结果更符合企业经营目标的目的．为分析客户特征的权重,利用线性回归挖掘企业的历史数据,得到物流企业对客户各个特征的重视程度,并把重视程度作为权重进行客户聚类．实验分析表明,与传统的系统聚类相比,加权的系统聚类方法可以发现隐藏在一般客户中的重要客户,从而使物流企业对本公司的重要客户提供优质服务．     

基于3DM的B2C客户分类算法

任何高效的客户关系管理都是以扎实的客户分类为基础,然而电子商务中所搜集到的客户信息往往具有海量、高维度和不完备等特点,传统的客户分类方法很难适合B2C客户数据的分类。研究表明,数据挖掘的实质是知识在不同形态下的转换过程,面向领域的数据驱动的数据挖掘理论(3DM)能将领域知识、先验知识和数据本身的特点有机结合。以电子商务B2C客户数据为例,设计了基于3DM的客户分类算法,通过实例表明,该算法能较好地解决B2C客户数据的分类问题。     

基于3DM的B2C客户分类算法

任何高效的客户关系管理都是以扎实的客户分类为基础,然而电子商务中所搜集到的客户信息往往具有海量、高维度和不完备等特点,传统的客户分类方法很难适合B2C客户数据的分类.研究表明,数据挖掘的实质是知识在不同形态下的转换过程,面向领域的数据驱动的数据挖掘理论(3DM)能将领域知识、先验知识和数据本身的特点有机结合.以电子商务B2C客户数据为例,设计了基于3DM的客户分类算法,通过实例表明,该算法能较好地解决B2C客户数据的分类问题.     

决策支持系统在移动通信客户数据分析中的应用

在深入研究数据挖掘技术的基础上，针对电信企业话费流失及吸引新客户、保留大客户等问题构建了决策支持系统，以提高电信企业高管人员决策的质量和效率．     

基于数据挖掘技术的客户关系管理系统

针对数据挖掘技术是实现客户关系管理的重要工具，介绍了客户关系管理系统，着重分析了应用在CRM中的数据挖掘技术，探讨了其商业价值。     

一种基于关联规则挖掘的改进算法

随着计算机技术和通信技术的不断发展，用户存储了越来越多、具有很高使用价值的信息，不断涌现的大量信息在给人们带来方便的同时也带来了问题，怎样提取有用信息使得数据挖掘技术应运而生．关联分析是数据挖掘的本质，关联规则挖掘是进行关联分析最常用的方法．在关联规则的Apriori算法的基础上，指出了该算法的不足之处，提出了一种新的改进算法，从而增强了算法的适应性．     

中间存储的联机分析关联规则挖掘方法

针对“挖掘不同支持度下的关联规则需要反复扫描多维数据库所带来大量的系统I／O开销”这一缺限,提出一种基于中间存储的联机分析关联规则挖掘OLAM方法．在自行开发的联机分析处理OLAP的基础上,对待分析的多维数据集利用BCTree存储谓词集频度索引数,利用改进的Apriori关联规则挖掘算法分析用户感兴趣的维度,减少挖掘维度的个数,提高了反复挖掘的系统效率和系统针对性．生产数据证明了该方案的正确性和有效性．     

浅谈在企业中如何正确使用数据挖掘技术

在现代信息化社会中,对企业而言,数据的有效利用不仅有助于发现业务发展的趋势,而且可以帮助企业做出正确的决策,使企业处于更有利的竞争位置。文章结合数据挖掘技术在企业中的应用,提出选择数据挖掘技术的两个重要依据,以便开发出有效、实用的数据挖掘系统。