深入挖掘移动活务的潜在容量

近期．移动通信市场竞争日益激烈，资费不断向下调整．用户规模不断扩大，话务量飞速增长，通信网络容量显得不足；同时用户对无线通信质量的要求越来越高，对通信阻塞、通话质量等投诉很多，对网络覆盖的要求不断提高。这对移动通信网络是很大的挑战。由于用户基数较大，对网络的话务冲击加大，按常规方法吸收，需要扩容，加大投入，     

Web挖掘在个性化推荐系统中数据预处理的研究

个性化推荐系统能够根据用户的兴趣偏好主动推荐他所需的资料。它的出现解决了人们寻找信息难的问题。数据预处理将原始的真实数据库转换成适于数据挖掘的挖掘数据库,为提高挖掘算法的效率,改善挖掘结果的效果打下了良好的基础。[1]     

浅析羽毛球基本步法的练习

步法是羽毛球运动两大基本组成部分之一,它是各项技术的基础。羽毛球练习者必须从基本步法着手,要选择适合自身特点的训练方法与手段。下面就针对不同的训练方法进行分析,以便使羽毛球练习达到事半功倍的效果。     

基于聚类分析策略的Web文本挖掘方法

在分析Web文本挖掘过程、关键技术的基础上,针对训练文本集中往往存在多个主题类别的问题,提出一种基于聚类分析策略的Web文本挖掘方法。其基本思路是对训练文档集进行聚类处理,然后对同主题文档进行共性分析,并经过特征权值调整和特征约减,从而获得表示用户不同主题感兴趣概念向量。     

基于分类和聚类相结合的个性化检索方法研究

目前检索工具的设计大多面向所有用户，而没有考虑到用户个人的兴趣，导致查准率较低。由此提出一种基于分类和聚类相结合的个性化信息检索方法。该方法首先利用聚类技术，对用户的历史浏览记录进行聚类，产生一个初步的用户兴趣分类，然后根据ODP对用户兴趣分类进行调整得到最终的用户兴趣分类，并利用该分类对传统搜索引擎返回的结果进行分类，以产生有意义的分类搜索结果。该方法克服了单独利用分类或聚类技术的局限性，提高了搜索引擎的可用性。     

一种基于多属性的空间例外挖掘改进算法

空间例外是指与其邻域内其它数据表现不一致或者是偏离观测值以至使人们认为是由不同体制产生的观测点.传统的例外挖掘是根据一个非空间属性值进行例外判断,这种方法容易引起判断失误.在对多个属性进行考虑的基础上,提出了一种基于多属性的空间例外挖掘算法,并与属性加权算法在正确性和有效性方面进行了比较分析.实验证明算法可以有效地发现例外数据.     

基于Ontology的个性化E—Learning系统研究

随着WI（Web Intelligence）技术的发展，如何使传统的E-Learning系统向个性化和智能化方向发展已成为业内的一个主要研究领域．本文首先对E-Learning系统的资源异构和用户个性化需求等问题进行了分析；然后介绍了“基于本体的个性化E-Learning（Ontology Based Personal E-Learning，OBPEL）系统模型”，该模型利用本体方法给出了一种面向语义的非结构化教学资源的表示机制，从而为进行非结构化教学信息的语义访问和个性化学习奠定了基础．本文最后初步实现了一个基于本体的个性化E-Learning系统原型．     

文本挖掘中的特征表示及聚类方法

文本挖掘中特征表示函数的选择影响到特征词表达文本的能力 ,文中设计的评判函数可以比较准确地表达特征词的重要程度。采用K邻近算法对文本集进行聚类 ,产生了较好的聚类效果     

高校图书馆个性化服务探讨

阐述了建设数字化图书馆，为读者提供个性化服务，是今后图书馆发展的方向，而其实现需要有关网络信息技术的支撑；开展定题服务、利用E—mail咨询、虚拟咨询和在线咨询等是图书馆网上个性化服务的主要方式；建设一支高素质的专业队伍是开展图书馆个性化服务的根本保证。     

基于MAS的Web用户数据预处理

数据预处理是采用基于Web的使用挖掘发现用户模式的第一步.由于Web用户数据来源的不同,不仅导致用户的识别困难,用户访问页面的完整性也难于得到保证,这给下一步的用户模式发现带来了问题.本文提出了一个基于MAS的数据预处理方法:在客户端采用Agent精确捕获用户浏览行为,构造用户访问图;在服务器端的Agent保存服务器生成页面,并根据客户端Agent返回的数据完整获得用户的访问内容,为有效实现用户模式发现提供了保证.