基于SLIQ的数据挖掘分类算法

分类是数据挖掘的一种非常重要的方法。分类的概念是在已有数据的基础上学会一个分类函数或构造出一个分类模型。该函数或模型能够把数据库中的数据记录映射到给定类别中的某一个,从而可以应用于数据预测。大部分数据挖掘工具采用规则发现或决策树分类技术来发现数据模式和规则,其核心是某种归纳算法。这类工具通常是对数据库的数据进行开采,生产规则和决策树,然后对新数据进行分析和预测。本文研究基于SLIQ的数据挖掘分类算法。     

一个基于SLIQ的分类算法的实现

在介绍数据挖掘、分类算法的有关概念的基础上，描述了一个基于SLIQ(Supervised Learning in Quest)的分类算法的实现。算法控制结构采用队列来控制广度优先搜索，对属性表进行内部排序生成有序的属性表序列，再对所有属性表进行遍历，找出所有叶子节点的最佳分裂方案，对应该分裂的类表进行更改，最后生成的决策树通过前序遍历的方式存入输出表。     

快速分类算法SLIQ的研究与应用

详细讨论了SLIQ算法的设计实现过程,并把它应用到毕业生就业信息中,借助计算机对毕业生的就业信息进行挖掘。所获取的知识对指导今后的教学和学生工作有重要意义。     

数据挖掘技术在CRM系统中的应用

随着信息化建设在CRM系统中的迅速发展,数据量的急剧膨胀,如何将计算机获得的海量信息进行有效的组织和利用,将其用于决策就变成一个紧迫的问题。本文对利用数据挖掘技术建立CRM示统中的决策分析系统进行了理论研究和实际应用,包括数据仓库的建立和组织,联机分析（OLAP）和数据挖掘（DM）。     

K-means算法在电信CRM客户分类中的应用

面对电信市场竞争的日益加剧和信息技术的迅猛发展,电信运营商必须建立以“客户为中心”的管理模式。将客户进行分类,针对不同的客户,研究出相应的营销策略。数据挖掘中的K—means聚类算法能对大型数据集进行高效分类。对K—means算法进行改进,使其能够应用于复杂的电信客户关系管理,实现更加准确和全面的客户分类。     

数据挖掘技术在CRM中的应用

CRM就是指对客户关系的管理,CRM已经成为了企业关注的重点,CRM也是数据挖掘技术十分重要的组成部分。本文主要是通过介绍数据挖掘技术的功能的分类,概述了CRM的含义与数据挖掘技术在CRM中运用,对数据挖掘在CRM中实施的过程进行探究。     

数据挖掘技术在中小型制造企业CRM中的应用

客户关系管理(CRM)是一种全新的管理理念,是提高企业竞争力的一种手段,而数据挖掘技术为CRM的实施提供了良好的支持。简单介绍了CRM系统的基本理论知识,分析了数据挖掘技术在中小型制造企业CRM系统中的主要应用,详细论述中小型制造企业运用数据挖掘技术,提高企业信息管理水平和企业竞争力,使企业建立以客户为中心的经营模式。结合中小型制造企业的特点,详细分析当前制造企业管理的困境,提出了中小型制造业具体在CRM中实施的步骤和方法。     

神经网络算法在CRM中的应用

神经网络算法能通过对网络的训练,使客户关系管理系统中客户行为做出预测,便于企业更好为客户服务,改善客户关系,挽留客户.本文就神经网络算法的CRM应用做了相关的探讨.     

数据挖掘在CRM中的应用

利用数据挖掘技术,建立符合企业自身特征的商用模型,分析客户的特征,探索企业和所对应市场的运营规律性,不断提高企业的经济效益,这才是企业发展的必由之路     

数据挖掘技术在CRM系统中的应用

随着互联网与信息技术的发展,企业客户数据量呈现了爆炸式的增长,大部分企业的数据都已进入海量的时代,客户关系管理(CRM)日益受到企业的重视。通过对烟草行业的特点进行分析,将数据挖掘技术应用到企业CRM管理中,建立决策分析系统进行理论研究和实际应用,提高企业的竞争力。     

数据挖掘在汽车销售企业CRM中的应用

数据挖掘技术在汽车销售企业客户关系管理中的有效应用,有助于跟踪发现业务发展的趋势,预测未知的结果,并帮助企业分析出完成任务所需的关键因素,以达到增加收入、降低成本的目的。文章通过具体的实验:利用聚类分析的K-Means算法对汽车销售企业客户资料进行挖掘,为企业预售车型找出其目标客户,为汽车的销售提供指导性的服务,帮助企业提高销售的成功机率。     

数据挖掘技术在客户关系管理系统中的应用

客户关系管理(Customer Relationship Management,CRM)是一种旨在改善企业与客户之间关系,提高客户忠诚度和满意度的新型管理机制,同时也是一种管理软件和技术.数据挖掘技术能对大量的数据及信息进行挖掘,从中发现潜在的价值高的关系,并利用模式或知识对客户需求进行预测,帮助企业做出决策.成功的数据挖掘是客户关系管理系统成功的关键.     

数据挖掘中判定树算法SLIQ的设计与应用

分析了一种用Gini指标进行属性选择的SLIQ算法,讨论了提高效率的可行方法.把算法用到电力市场发电竞价决策系统中,通过对发电商的竞标能力进行挖掘,获取的知识对发电商的决策有重要现实意义.     

基于网格的电信CRM数据挖掘

电信CRM数据挖掘能获取大量有价值的客户信息和商业信息,为电信的营销活动提供科学的决策和依据。网格的数据挖掘是数据挖掘技术与网格计算的有机结合,本文概述了网格数据挖掘的特点,讨论了网格的数据挖掘过程,并从开放网格服务体系结构出发,给出了网格平台下的电信CRM数据挖掘的功能和执行过程。     

数据挖掘常用分类算法研究

数据库、数据仓库以及其他存储信息库中潜藏着很多与商业、科学研究等活动的决策有关的数据和知识。对于数据挖掘中的数据分析,通常有两种常见的方法,即分类和预测,首先对数据库中的数据进行分类归纳,然后根据分类规则可以得到比较有价值的数据,然后我们可以根据这个数据来预测得到一些包含未来趋势的信息。在常见的分类算法中,决策树算法是一个有着很好扩展性的算法,可以应用到大型数据库中,可以对多种数据类型进行处理,分类模式容易转化为分类规则,结果也十分的浅显易懂易于理解。该文主要先介绍了几种常用的分类算法,然后具体介绍决策树算法的过程以及在分类算法实际应用中的优缺点。     

数据挖掘分类算法研究与探讨

数据挖掘技术是一个年轻且充满希望的研究领域,商业利益的强大驱动力将会不停地促进它的发展。随着数据库应用的不断深化,数据库的规模急剧膨胀,数据挖掘已成为当今研究的热点,每年都有新的数据挖掘方法和模型问世,特别是其中的分类问题,引起了越来越多的关注。     

基于云计算的SLIQ并行算法研究

云计算为存储和分析海量数据提供了高效的解决方案,对数据挖掘算法的研究具有重要的理论意义和应用价值。SLIQ算法采用逐一遍历并计算伸缩性指标的方法来寻找最佳分裂点,这种方法过于消耗时间,当数据量增大时,算法的执行效率很低。本文针对云计算环境下的决策规则挖掘算法展开研究,介绍了Map Reduce编程模型,在此基础上,以实现云计算环境下SLIQ并行化挖掘为目的,给出了改进后的SLIQ算法在Map Reduce编程模型上的应用过程。     

CRM中数据挖掘技术应用概述

主要介绍了数据挖掘技术在CRM中的应用，具体讨论了数据挖掘技术在客户生命周期阶段的应用和在CRM上创建数据挖掘技术的过程，最后介绍了一些数据挖掘算法在CRM上的应用。