数据挖掘技术在电力管理和分析中的应用

作为一种数据分析方法和技术,发现潜在的信息,大量的信息,数据挖掘已成为社会关注的焦点.在电力行业的信息化建设进程中,有大量历史数据,采用数据挖掘技术来研究和发展是刻不容缓,分析决策系统需要解决在电力运行管理中存在的关键和突出问题企业.本文提出了详细的数据挖掘算法分析.基于电力管理分析的特点,重点讨论了聚类分析算法.基于电力数据管理分析系统,数据挖掘技术在本文设计的过程采用混合型数据并获得良好的挖掘效果.聚类对电力客户数据分析可以得到很好的分类,有助于预测顾客的购买行为.     

数据挖掘在电子政务中的应用

针对电子政务的特点,提出利用数据挖掘的关联规则算法对用户行为进行分析,通过挖掘行为路径之间的潜在关系,从在大量电子政务网站数据中发现有用的知识模式,该知识模式对于用户分析、知识分类、个性推荐等起到了很大的作用,提高了电子政务应用效率.     

关联规则技术在数据挖掘中的应用

数据挖掘技术的诞生,使我们能从大量的数据中提取对决策者有用的信息,20世纪90年代初,R.Agrawal等提出了关联规则挖掘技术.关联规则挖掘是为了发现大量数据中项目集之间感兴趣的相关性信息.经过十余年的发展,关联规则挖掘已经成为数据挖掘技术中较为成熟并很重要的一种方法.文中系统描述了关联规则挖掘所涉及的概念、关联规则挖掘算法和关联规则应用领域等.     

数据挖掘技术在入侵检测中的应用

阐述了入侵检测和数据挖掘技术,并介绍了数据挖掘技术在入侵检测系统中的应用。     

数据挖掘技术在电信客户分析中的应用研究

本文利用数据挖掘的关联规则方法对电信客户分布情况进行了数据挖掘,利用兴趣度来减少频繁项目集,限制关联规模的大小,从而提高数据挖掘的速度。     

数据挖掘技术及其在教学中的应用

从已有信息中发现模式或规律是数据挖掘的本质所在 ,本文利用数据挖掘技术对现存的大量教学数据库中的数据进行回归分析、聚类分析、主成分分析和关联规则的挖掘 ,从中提取有价值的信息 ,帮助教学人员合理安排教学工作 ,督导加强院、系的管理 ,对提高学校的教学成绩起到指导作用     

数据挖掘在体育院校计算机等级考试成绩分析中的应用研究

为了提高体育院校学生计算机等级考试过级率,使用Weka平台,采用Apriori关联规则对成都体育学院13级部分班级的计算机基础一和基础二课程学生平时测试成绩及平时测试次数、期末卷面成绩、计算机等级考试成绩进行数据挖掘分析,获取了一些有益的分析结果,对提高计算机基础课程的教学效果起到一定的指导作用。     

数据挖掘技术在医药ERP系统中的应用

本文首先介绍了数据挖掘的相关知识,主要介绍了一种改进的关联规则算法,并把它应用到医药ERP系统中来对医药产品进行关联分析,最后给出一个简单的实例。     

数据挖掘在高职院校课程设置中的应用

当前高职院校的课程设置既要给学生打下坚实的专业基础又要符合社会各用人单位的需求,所以找到一个合理可行的课程设置方法显得尤为重要。用数据挖掘理论中APriori关联算法以期找出课程之间的关联可以为高职院校的课程设置提供一定的理论依据。     

数据挖掘技术在试卷分析中的应用

本文讨论了数据挖掘技术在试卷分析中的应用，针对传统试卷评价方法中仅仅是对试卷进行宏观整体的分析与评价，缺乏对特定试题评价的局限性，本文利用了层次聚类技术和关联规则技术对学生试卷进行分析，得到了具有不同成绩特征的学生群体，析出试卷上特定题目知识点间的相关性，得到的结论对高校教学有一定的指导作用．     

电力信息化中的数据挖掘

我国电力信息化已经初见成效,但其中海量的信息资源存在数据结构混乱、数据应用层次浅、未能被充分利用等情况。本文提出了整合企业现有的各种主要应用系统,利用XML良好的数据结构性和网格技术,为各个异构数据源建立一个数据共享平台,再用网络数据挖掘技术作为一个有力工具,使之产生更大的社会和经济效益。同时结合我国现状,总结了对数据挖掘影响较大的几种因素及其相关对策。     

数据挖掘在汽车销售客户分析中的应用

利用数据挖掘的关联规则方法对汽车销售中客户分布情况进行了数据挖掘,利用兴趣度来减少频繁项目集,限制关联规模的大小,从而提高数据挖掘的速度。     

数据挖掘技术在电力营销系统中的应用研究

目前随着电力市场的不断发展,电力部门的营销工作中所采用的传统信息管理模式已经无法完全满足电力市场的要求,为解决这一问题,采用数据仓库方法与理论,将数据挖掘技术应用于电力营销系统中,分析了数据仓库的系统结构与四个特征,阐述了数据仓库、电力营销决策支持系统、EMDSS等的开发与设计方法。     

数据挖掘技术及其在营销中的应用

对数据挖掘这一新兴数据分析技术进行了综述 ,阐述了数据挖掘产生的背景及其定义、任务和过程 ,论述了几种常用的数据挖掘算法 ,并给出了数据挖掘技术在营销中的应用实例 .     

数据挖掘技术在试题质量评价中的应用

介绍了关联规则基本概念及Apriori算法,分析了关联规则挖掘在试题评价中存在的不足,提出了一种基于信息量的关联规则挖掘改进算法ARMABI.实验结果表明,该算法性能明显优于传统的关联规则挖掘算法,具有较高的推广价值.并且,对下一步工作进行了展望.     

数据挖掘在客户信息管理中的运用

从大量的商业客户购买信息中挖掘出有用的知识无疑具有重要的商业价值．以某商业单位化妆品顾客的购买信息为例介绍了在商业客户信息管理中如何有效地使用数据挖掘技术获得有效的决策信息的方法。     

数据挖掘技术在学生信息系统中的应用研究

讨论了基于关联规则的数据挖掘技术,并应用于学生信息查询系统中,可以得到有用的信息并利用语义查询优化方法加快查询的速度.     

补偿法在电力系统预想事故分析中的应用

将补偿法原理应用于快速解耦潮流模型,用以进行电力系统预想事故分析.导出了电力系统中的支路元件和节点元件开断模拟的补偿公式.所提出的算法在各种预想事故下均可利用原有因子表解算潮流,并可兼顾计算精度与速度两方面的要求.对IEEE30节点系统的开断模拟计算表明这种算法是可行和有效的.     

遗传算法在数据挖掘中的应用

本文对数据挖掘进行了概述,阐明了数据挖掘的概念、方法及其重要性。其次介绍了数据挖掘中的一个重要算法——遗传算法。对遗传算法的产生与发展以及主要理论等进行了简要的介绍,提出了基于遗传算法的关联规则的提取方法。最后结合实例给出了用遗传算法进行关联规则的挖掘方法。     

数据挖掘技术在数据抽取中的研究与应用

数据抽取是数据仓库和数据挖掘的基础,将挖掘数据环境和数据抽取技术结合起来,不但可以提高数据仓库的利用率,而且可以加快数据抽取的速度,提高设备的利用率.基于这种理念,以挖掘数据环境来提高数据抽取效率为目的,提出一种将电信数据模型与K-means算法相结合,从而提高数据抽取速度的方法,并探讨了将数据挖掘技术应用于数据抽取的可行性.