股票收益预测模型的比较与选择

计算金融是一门将机器学习的有关理论应用于金融研究的新兴学科.而股票收益预测则是金融研究的一个重要课题,在规避风险与投资决策中起着举足轻重的作用.作者基于统计学习的基本理论与计算金融的研究方法,将支持向量回归机这一新型神经网络应用于收益序列预测的回归分析,力求在克服数据过拟合现象的基础上寻找问题的全局最优解.通过交叉验证选择学习参数,实验表明基于二次规划与核函数理论的支持向量回归机能准确捕捉动态股票收益序列的波形特征,其预测性能与多层感知器以及广义回归神经网络进行比较.具有较为明显的优势.图4,表3,参12.     

数据挖掘及其在电信客户流失中的应用

以某电信公司的历史数据为对象,运用数据挖掘技术,建立了基于决策树、神经网络和Logistic回归的三种客户流失预测模型.并对高价值高流失概率的客户进行K-means聚类分析,得到具有不同使用特征的五群客户,为对不同的流失客户群体提供针对性的营销策略提供了依据.     

数据挖掘在医院信息系统中的研究与应用

随着医院信息系统不断向自动化、网络化方向的发展,数据挖掘已越来越多的被应用于医疗研究与医院管理。结合胜利油田胜利医院现有的HIS系统,对应用数据挖掘技术实现辅助医疗诊断进行了分析研究。     

分类技术在数据挖掘中的应用研究

本文首先介绍了分类技术的基本概念,讨论了分类方法分析的步骤,阐述了用于构造模型的决策树算法,探讨了决策树算法学习中出现的常见问题的解决方法。展示了应用分类技术挖掘数据的方法,为实际应用提供了理论依据。     

数据挖掘决策树在肝癌病人预后中的研究与应用

本文介绍了数据挖掘决策树算法的基本原理。并将决策树技术应用于肝癌病人预后的影响中。提出了一种预后影响的预测方法。通过20个样本数据,详细的介绍了建立决策树的步骤和方法。     

决策树在数据挖掘中的应用研究

本文介绍了基于决策树的分类方法、基于决策树的知识发现的一般概念及决策树在数据挖掘中的应用。重点介绍了基于ID3算法的决策树生成方法,分析其用于数据分类和知识发现的过程及特点。     

数据挖掘技术在气田压裂效果评价中的应用

通过对数据挖掘体系结构的研究,结合气田压裂施工的特点,建立了一种适合于气井压裂效果评价的技术体系。该体系数据仓库采用SQL Server2005实现,数据挖掘算法采用决策树和神经网络模型,可以实现气井压裂的选井选层和施工参数的优化。应用结果表明,该数据挖掘体系集成度高,预测精度高,可为压裂决策提供参考。     

数据挖掘在客户关系管理系统中的应用研究

客户关系管理是企业管理中一项重要的内容,在CRM中使用数据挖掘技术,可以提高企业的管理水平。本文深入研究了客户管理系统与数据挖掘相关方法,并采用数据挖掘技术对客户贡献和客户价值等方面进行了详细的分析,总结了相关的步骤和方法。     

数据挖掘在高职院校就业指导中的应用研究

提高就业率是以培养应用型人才为宗旨的高职院校重要目标.将C45算法应用于就业信息统计分析中,通过对就业数据预处理、就业决策树的构建和剪枝,从其抽取分类规则,并指出决定就业单位类别的决策属性,得到一些较实用的预测毕业生就业动态的规律,从而更好地服务于学生就业指导工作.     

决策树与聚类算法在数据挖掘中的研究及应用

本文介绍了用数据挖掘技术来处理大量数据,并得到可靠且有效数据挖掘结果的方法。同时对使用到的决策数算法进行了深入的研究分析。     

分类数据挖掘综述及应用

分类是把数据项映射到其中一个事先定义的类中的这样一个学习函数的过程．文章介绍分类数据挖掘的定义、分类的过程以及算法的分类，论述数据分类的常用技术，对分类的应用和分类算法的发展方向进行了展望．     

基于数据挖掘技术的抽油机泵参调整DSS决策支持系统

以示功图数据和一些相关的生产数据为研究对象，引入数据挖掘技术，用决策树建立分类模型，建立了一个以泵况分析和泵参调整为目标的DSS决策支持系统。     

分类技术研究及在高校人才识别中的应用

论文以决策树分类算法为主要研究对象,应用分类技术对高校人力资源数据源中的信息进行分析,给出了一种新的定量的人才识别方法,开发了分类与决策树算法人才识别系统模块,利用过去已有的引进人才的经验数据分析提取规则,为以后的人才识别提供合理的、科学的决策支持。     

基于分布式数据挖掘的隐私保护应用研究

首先简单介绍了几种经典的数据挖掘领域的算法,考虑到这些算法的优缺点及其应用领域,本文采用关联规则挖掘算法。由于Apriori算法的各种变形可用于提高算法效率和可伸缩性,最后选择采用单维单层布尔型的关联规则的Apriori算法。本文对Apriori算法进行了扼要的介绍,并根据其算法的原理详细地设计了基于Web的分布式数据挖掘隐私保护方法。     

Mining the Change of the Quality of Stored Grain

The quality of grain changes continually during its storage, including the change of its physical characteristics and physiological characteristics. This paper presents an approach to predict the change of the quality of stored grain with data mining technology. Logistic Regression, Decision Tree and Muitilayer Perceptron are applied to predict the change of the grains＇ quality control index and to obtain the grains＇ quality change probability. The grain sampling with higher probability can be processed earlier.     

Weka系统及其在数据挖掘教学中的应用

介绍了weka的特点及其在教学上的应用,并给出了教学实例。利用ID3算法建立了罪犯减刑效果模型,用来对影响罪犯减刑效果的因素进行分类.通过Weka系统,得到了有应用价值的分类结果。     

颅脑损伤后认知障碍大鼠模型的制备及评价

目的 探索一种颅脑损伤后认知障碍动物模型的制备及评价。方法 健康雄性大鼠(Sprague Dawley,SD)60只,水迷宫筛取48只纳入实验,随机分空白对照、模型对照和模型组。模型制备采用电子颅脑损伤仪(electric Cortical Contusion Impactor,eCCI)打击,配合水迷宫筛选确定颅脑损伤(Traumatic brain injury,TBI)后认识障碍大鼠。观测大鼠生命体征、神经功能及运动功能;Morris水迷宫实验;测血清中MMP-2、MMP-9、SOD、MDA含量变化。结果 与空白组比较：模型组生命体征稳定、各行为学指标均存在差异(P<0.05),水迷宫实验潜伏期和空间探索实验结果均存在明显差异(P<0.01),血清中MMP-2、MMP-9、MDA含量明显上升(P<0.01),SOD明显下降(P<0.01)。结论 本模型制备策略能够较好模拟颅脑损伤后的认知障碍,同时稳定性、重复性好、评价客观,又易操作掌握,可供同类研究时借鉴参考。