神经网络在企业信用信息数据分析中的应用

以企业信用评级知识为基础,运用数据挖掘中的神经网络技术,研究企业信用评级中的神经网络结构,进行企业信用评级模型——神经网络感知器的新探索．以此制定相应的信用政策,控制企业的信用风险．     

基于数据流的频繁集挖掘

针对数据流特殊的数据类型,提出了一种新的数据流挖掘算法.该算法引入了一个全新的优化方法,将边界集和频繁产生集结合起来.频繁产生集是频繁集的一种无损简缩表达方式.它所包含的模式数量比频繁集所包含的模式数量小若干数量级.边界集是频繁产生模式和其他模式之间的边界,通过观察边界集的变化可以生成新的频繁产生模式.实验结果表明,该算法的性能有明显的提高.     

基于数据挖掘的金融时序频繁模式的快速发现

针对金融时间序列分析中注重快速作出趋势判断的特点,利用数据挖掘的思想和工具,提出一种金融时间序列模式快速发现算法.与传统的预测算法相比较,该算法对数据的分布和平稳性等方面的要求不高,不基于任何假设,能够非常快速地发现时间序列中的频繁模式,经过模式匹配后,可以用于金融时间序列的分析与预测.以实际汇率数据为例,证明了该算法的有效性.     

网络(WEB)挖掘方法及其最新进展

数据挖掘和国际互联网是信息社会两大重要而有意义的领域。这两个领域的结合就是网络挖掘。网络挖掘一般可以分为两种不同的方法:一是网络内容挖掘,即从互联网的各种资源中检索和提取信息的过程;二是网络使用挖掘,指挖掘网站访问方式或其他网络用户信息的过程。本文主要讨论了WEB网络挖掘,包括有关网络挖掘的多种研究问题、研究技术、研究工具以及网络内容挖掘和网络使用挖掘方面的最新进展。     

新鲜多孔硅(001)表面结构与电子特性理论研究

在周期边界条件下的k空间中,采用基于密度泛函理论的广义梯度近似(GGA)平面波超软赝势法,建立H12S i31几何模型来对表面主要被H覆盖的新鲜多孔硅(Porous S ilicon,PS)(001)表面最外层的S i—H键的几何结构和电子特性进行初步的理论研究.计算得到氢化PS(001)表面几何结构S i—H键长为0.148 nm、H—S i—H键角为106°,并通过原子布居数、电子密度图分析得到氢化PS表面原子的电子特性.     

临床数据中挖掘关联规则算法的选用

对典型的挖掘关联规则的Apfiori算法和FP-growth算法进行比较分析．然后,结合临床数据的特点,建议在临床数据关联规则挖掘中采用FP-growth算法。     

大规模互联网图像检索与模式挖掘

在互联网时代,爆炸式增长的数字图像不仅给图像检索带来巨大的技术挑战,同时也带来了很多机遇和研究问题的新思路．本文简单回顾了图像检索的三个阶段的研究历史．以及在此过程中数据量的增多给图像检索带来的影响,并对作为关键问题的特征提取方面的研究进行了深入的分析．本文尤其指出视觉模式挖掘是寻找中层特征表示并缩小语义鸿沟的重要研究方向,并根据视觉模式的表征粒度将其分为五种类别分别进行了介绍,从中可以看到大数据对于视觉模式挖掘的重要作用．     

决策树算法的教育应用探讨

简单介绍了数据挖掘的概念和决策树算法技术,尤其是它所牵涉的信息论原理,并结合相关事例简要概述了决策树算法在教育层面上的应用．     

隐私保护频繁项集挖掘中的分组随机化模型

通过对隐私保护频繁项集挖掘问题的研究,发现现有的单参数随机化回答模型调控的数据范围宽、粒度粗,导致无法实现精细化、差异化的隐私保护的问题.在沃纳模型、单参数等随机化模型的基础上,提出个体分组多参随机化P_N/g模型,给出其在隐私保护频繁项集挖掘中的支持度重构方法.研究结果表明:该模型面向多样化、差异化的隐私保护需求,将N个不同个体分为若干组,每组设置不同的随机化参数,可实现差异化的隐私保护效果.实例分析表明:结合所提出的支持度重构方法,可实现基于分组随机化的隐私保护频繁项集挖掘,在保护不同群体隐私的同时,挖掘到有效的频繁项集与关联规则.