商务智能系统中客户行为数据挖掘研究综述

随着网络技术和数据库技术的成熟和发展,全球传统商务正经历一次重大变革,向电子商务全速挺进。就此学习研究了数据挖掘和商务智能的相关知识,分析了目前针对电子商务网站数据挖掘的主要研究方向Web日志挖掘,针对基于Web日志处理来获取访客行为数据所存在的不足,对数据挖掘技术在智能商务中的应用进行了分析,将实时在线挖掘与定期人工挖掘相补充的商务客户行为分析技术进行了研究。     

基本本体的智能商务系统

介绍了智能商务系统的体系结构,从数据流程角度来阐述了智能商务系统的实现过程。并对智能商务系统的三大技术:数据仓库技术、OLAP(联机分析处理)技术、数据挖掘技术进行了简要介绍。     

面向商务智能应用的分布式数据挖掘系统设计

在综合分析商务智能分布式应用环境和数据存储环境基础上,提出了一种充分利用移动Agent移动特性并以Agent为主要组件来满足商务智能应用需要的分布式数据挖掘系统模型,讨论了系统中用户接口、数据挖掘组件、企业数据库系统各功能模块特点以及数据挖掘组件中各Agent功能设计.介绍了在Java编程环境下数据挖掘移动Agent和移动Agent服务器内部各组成模块结构功能.该系统具有可扩展性好、结构灵活、系统安全性强等特点,对构建基于Agent技 术的商务智能数据挖掘系统具有一定的参考价值.     

金融时间序列数据挖掘的研究与应用

介绍了金融时间序列分析及其方法,阐述了金融时间序列数据挖掘的特点,总结了金融时间序列数据挖掘的主要方法,介绍了金融时间序列数据挖掘的典型应用及技术进展。     

浅谈Oracle的商务智能

商务智能是数据挖掘技术的热点问题,并且商务智能应该是IT产业中增长最快的部分。Oracle商务智能生成系统是Oracle公司推出面向商务智能报告和分析工具。在商务智能开发领域,使用最新版Oracle商务智能生成系统是最佳选择。     

GA-SVM对上证综指走势的预测研究

将支持向量机和遗传算法结合,建立了一种智能数据挖掘技术(GA-SVM),并用于对上证综指市场走势进行了探索.在这个混合的数据挖掘方法中,GA用于RBF参数的设定以及特征集的选择,从而智能的找到SVM的最佳参数,减少SVM特征值的复杂度,提高了SVM算法速度.SVM用于判断未来股票市场的走势,并与统计模型、时间序列模型方法、神经网络进行了对比.实验证明,GA-SVM优于其他几种方法,这种方法对于股票上涨或下跌的预测研究是有效的.     

模糊变量时间序列及其应用

为了解决实际研究过程中模糊数据设定不准确的问题,采用模糊数学方法。应用模糊度说明了数据变量模糊化的重要性,给出了模糊变量和模糊变量时间序列的定义,并用计量经济学和数据挖掘例子说明变量模糊化的必要性。结果表明:研究中的很多数据确实具有模糊特性,模糊变量时间序列的应用有利于得到更客观的计量模型及进行时间序列挖掘。模糊变量时间序列的提出对计量经济学和数据挖掘有一定的参考价值。     

基于数据挖掘的智能导购实现

电子商务的发展为企业开辟了新的商务模式和营销渠道,运用新技术,进行服务创新是提高竞争能力的有效方法.本文阐述了电子商务、数据挖掘技术的相关概念、数据挖掘技术实现的流程,将数据挖掘与电子商务购物网站的导购功能结合,对基于数据挖掘的智能导购进行研究.运用数据挖掘技术为客户购买商品提供向导或建议,以此提供更高质量的服务,通过具体例子提出想法,用数据挖掘技术进行分析,并提出解决方案.     

数据挖掘与证券投资

文章论述了数据挖掘技术在证券投资上的应用。利用数据挖掘对证券时间序列进行趋势变动与趋势预测，具有很好的参考价值和良好的应用前景。     

一种基于组合模型的时间序列数据挖掘系统

提出了一种新的时间序列数据挖掘方法———基于BP(Back Propagation)神经网络和回归分析的组合时间序列数据挖掘模型.重点讨论了神经网络———回归———线性神经网络组合模型的建立过程,强调了通用性,并应用于浙江省可持续发展预测,取得了满意的结果.该组合模型采用神经网络技术来确定权重系数,提高了对复杂非线性系统的拟合能力,为时间序列数据挖掘提供了一种新的实用方法.     

数据挖掘综述

从人工智能、统计分析和数据库技术3个方面对数据挖掘技术进行了总结;从模式识别的角度讨论了数据挖掘技术的主要任务,包括分类、聚类、回归、关联、序列和偏差6种模式的识别.详细介绍了数据挖掘技术的常用方法,包括模糊理论、粗糙集理论、云理论、证据理论、人工神经网络、遗传算法以及归纳学习.列举了当前数据挖掘技术的实际应用场合,并指出其今后的发展趋势以及急需关注的问题.     

商务智能新技术

商务智能是数据仓库,数据挖掘技术在商业领域的一种综合的运用,它从大量的企业级数据中提取相关信息,作为企业决策、定位的一种辅助工具。随着我们国家的现代建设的不断开展,信息化程度越来越高,商务智能将成为对大量信息处理的一个重要的选择。     

商务智能技术在CRM上应用的研究

客户资源是企业获得生存和发展的一个重要因素。基于商务智能技术,首先讨论了商务智能技术在CRM上的应用分析;其次讨论了商务智能技术在CRM上应用流程的分析;最后从应用、行政、技术三个方面切入保证商务智能成功实施,从而提高企业对客户资源的管理。     

分类规则挖掘及其在故障诊断建模中的应用

探讨了数据挖掘技术中分类模型和算法,提出了基于决策树学习的建模方法,通过实例说明了该技术在故障智能诊断中的应用及优点。     

智能化入侵检测系统的探讨

分析现有入侵检测系统的检测技术，并深入分析了智能检测技术（包括专家系统、神经网络、数据挖掘）在入侵检测系统中的应用，最后提出一个基于数据挖掘技术的入侵检测模型。     

一种新型的多OROLAP模型及其优化算法

OLAP模型是实现高效的联机分析处理、数据挖掘和高级商务智能应用的基础，ROLAP模型、MOLAP模型和OOLAP模型是当前数据仓库和商务智能领域的研究热点.提出了一种新型的基于组播服务的多对象-关系型OLAP模型，简称多OROLAP模型.具有扩展性好、计算速度快、可分布性等特点.研究了多OROLAP模型、数据仓库增量式快速刷新算法、内外存对象存储优化算法、内外存对象透明交换算法、内外存对象自适应选择算法.同时还研究了典型的用户查询和分析模式对多OROLAP模型及其算法、分布式数据仓库中组成员的管理和维护的影响.     

空间数据挖掘技术及其智能推理体系结构

面对数据的数量和复杂性急剧增加的问题,首先讨论了数据挖掘技术的研究进展,并对数据挖掘在空间数据库中的应用进行了深入地探讨。然后提出三种基于空间数据挖掘、空间数据仓库、智能决策支持系统（IDSS）和范例推理（CBR）技术的智能推理体系结构,并对这三种体系结构的优劣进行了分析对比,其中以第三种结构为优。最后对空间数据挖掘在各领域中的应用前景以及有待解决的问题进行了展望。     

商业智能技术及行业应用分析

在详细讨论商业智能技术及与商业智能密切相关的数据仓库技术、联机分析处理、数据挖掘、客户关系管理等技术的基础上，结合行业应用需求，从数据仓库结构与模型的设计、提取转换与加载工具的设计、联机分析处理中概化视图选取方法的设计以及数据挖掘有关算法在具体问题中的应用入手，对粮食企业实现商业智能进行了深入的介绍和分析；重点解决了数据仓库结构，部分分区中概化视图的选取方法，数据挖掘技术具体应用等问题，为粮食行业建设智能决策支持系统提供了可行的建设方案。     

基于粒计算的不确定性时间序列建模及其聚类

在多粒度时间序列研究中不确定性问题是时间序列数据挖掘研究中的重要课题.时间序列时序粒度本身的不稳定是一种广泛存在现象,也是时间序列数据挖掘困难的一个重要原因,然而这种情况却较少文献进行过讨论.对于这个问题首先建立了多粒度时间序列的基础数据模型及相关时序粒度的定义.其次对时间粒度不确定性现象的不同成因进行了讨论,并建立相应的不确定性时间序列数据模型.最后基于上述理论和粒计算的思想,多粒度时间序列的最优粒度获取和不确定性粒度时序粒度的基本稳定策略分别进行了研究和讨论.由于聚类分析是时间序列数据挖掘中的最重要的理论研究和应用基础之一,不确定性多粒度时间序列数据的聚类成为一个典型的时间序列数据挖掘难题.一个引入稳定粒度策略的聚类算法框架被提出来解决这类不确定性时间序列数据的聚类问题.最后一个典型的具有不稳定粒度时间序列特点的重症监护病房生理指标数据集和病人存活率预测实验被应用于验证上述理论.实验结果表明在时间序列数据挖掘中选择不同的时间属性粒度对于数据挖掘的效果符合粒计算的计算规律,同时选择了粒度稳定性处理策略聚类算法的实验能够获得更好的预测效果.     

浅析企业数据仓库与联机分析处理及数据挖掘技术的应用

文章针对企业对信息系统数据挖掘的需求，提出了基于数据仓库，应用联机分析处理及数据挖掘技术的计算机辅助决策支持系统的模型，并对数据仓库、联机分析处理及数据挖掘技术的应用进行了分析。