对增量式模糊聚类算法的改进

提出了一种增量式模糊聚类技术的改进算法，该算法仅对新增数据计算相似系数而直接聚类，其结果和动态聚类算法相同；该算法较好地解决了新增数据的聚类及类属问题，提高了模糊聚类算法的收敛速度，实验结果证实改进了算法的高可靠性。     

基于直方图的概率数据流聚类算法

文章提出一种概率数据流聚类方法PWStream。PWStream采用直方图保存最近数据信息摘要,在允许的误差范围内删除过期的数据元组;并设计了一种基于距离和存在概率的簇选择策略,从而可以发现更多的强簇。理论分析和实验结果表明,该方法具有良好的聚类质量和较快的数据处理能力。     

人工神经网络的苹果气体识别算法研究

文章介绍了由气敏传感器阵列与人工神经网络模式识别技术相结合的人工嗅觉系统对苹果气味的定性识别,尝试运用主成分分析改进BP算法和最近邻k-均值聚类算法,实现对＂好＂和＂坏＂苹果气味的定性识别。试验结果表明：采用主成分分析结合BP算法和最近邻k-均值聚类算法对＂好＂和＂坏＂苹果气味准确率为91.67%和95.83%,而且大大的缩短了辨识时间。     

海量数据的模糊聚类

对基因表达数据提出模糊聚类的方法，不直接作用于观测数据，而作用于行和列的模糊相关矩阵的等价闭包。利用该方法可有效地将相似的行或列进行聚类。计算结果表明该方法的有效性。     

中国公民赴韩旅游的特征分析

旅游所产生的＂人流＂给中韩两国带来了巨大的＂物流＂、＂财流＂、＂技术流＂、＂交通流＂、＂信息流＂,促使中韩两国经济稳步发展。运用数据,全面分析中国公民赴韩旅游的整体特征、个人特征、行为特征、时空特征等。依据三次指数平滑模型,利用DPS数据处理系统对数据进行计算,根据计算结果和各方面综合因素预测中国公民赴韩旅游的前景。     

基于核的自适应聚类及其在文本分类中的应用

针对k-medoid算法不能有效聚类大数据集和高维数据的弱点,将核学习方法引入到k-medoid算法,提出了基于核的自适应k-medoid算法,使其能够对大数据集和高维数据进行聚类。给出了具体实现过程并将其用于文本分类中,实验表明该算法用于文本分类的有效性及其高效率。     

带有成对约束半监督聚类算法C-DBSCAN的设计与实现

DBSCAN是一种经典的基于密度聚类算法,能够自动确定簇的数量,对任意形状的簇都能有效处理。但是,在半监督聚类中有些是以成对约束信息作为先验信息来引导聚类过程,而传统的DBSCAN算法并未充分利用这些信息。因此,论文在基于密度的聚类中使用成对约束,对DB-SCAN算法进行改进并最终实现了C-DBSCAN算法。实验表明,该算法有效地提高了聚类的质量。     

浅谈文本聚类研究

针对传统聚类算法在确定聚类类别数方面所存在的问题:无先验知识所导致的盲目性以及繁杂统计指标的难理解性,提出一种基于SOM的可视化聚类算法.VC-SOM,利用SOM网络数据集的聚簇分布特征.进而确定聚类类别数.并进行了仿真研究,获得了较满意的结果.     

基于客户价值评价的核心客户识别研究

从客户价值角度出发,运用聚类分析法进行客户划分,根据客户群特点进行筛选分析,从而识别核心客户。核心客户可分为维持型核心客户与开发型核心客户。     

湖南区域可持续发展水平空间差异分析

湖南近些年发展很快,但是各地发展不平衡。本文构建了区域可持续发展评价指标体系,以湖南省14个地级市（州）2007年的指标数据为样本,运用因子分析法对湖南各区域可持续发展水平进行分析、评价,运用系统聚类分析法把湖南省划分为三大类和若干亚类,并提出了提高各地区可持续发展水平,缩小地区差异的建议。     

基于云计算模式下的Apriori算法研究

随着海量数据的增加和云计算的出现,对于云计算模式下的数据挖掘技术研究具有重要意义。基于云计算和Hadoop平台,分析了Apriori算法,提出了基于云计算模式下的改进的Apriori算法,实现了改进算法与MapReduce编程模型的移植。实验仿真表明,改进算法在云计算环境下的数据挖掘是可行的,高效的。     

数据挖掘技术在信用评分中的应用研究

目前,数据挖掘技术在信用评分领域的应用已较成熟,但因缺乏对数据挖掘实际操作技术及其问题的研究,常难以获得理想的挖掘效果.梳理数据挖掘的操作流程,归纳总结数据挖掘的关键点,借助个案解析数据挖掘中常见的技术问题及数据挖掘技术的局限性,以期为利用数据挖掘技术进行信用评分提供技术支持.     

企业电子商务大数据应用现状分析及对策研究——以晋江地区生产型企业为例

以晋江地区企业电子商务运营过程中大数据应用现状为调研对象,通过调查问卷和实地访谈的方式了解企业大数据应用现状,研究企业面对大数据的积极态度和运用大数据过程中的保留态度背后的深层原因。通过问卷调查反馈的数据分析和访谈结果分析发现:企业基于大数据技术能够提高企业运营绩效的认知,对电子商务中应用大数据技术进行商务决策的接受度较高;但受到行业、人才缺口、成本和虚假交易数据等因素的影响使得企业在实际使用大数据进行商务决策中持保留态度。为了做实大数据技术在企业实际生产中落地,提出分行业挖掘大数据应用场景、净化市场环境、组建行业大数据等方法,以期将大数据技术运用到实处,提高企业运营绩效。     

数据仓库和数据挖掘在农业辅助决策支持系统中的应用

基于农作物生产的相关数据,创建农作物病虫害分析的数据仓库,运用数据挖掘技术提取分类规则,再将获取的规则用于农业病虫害的诊断;通过对实例运行结果的分析,验证了数据仓库和数据挖掘技术与农业决策支持系统相结合方案的可行性。     

低质量数据下的知识获取方案研究

数据挖掘已经成为重要的知识来源。随着信息化的深入,企业对数据挖掘有了较大的需求,但数据质量差往往会造成数据挖掘的结论可信度低,从而影响了数据挖掘的应用。本文以可拓学方法,通过系统分析产生脏数据的原因,提出了基于学科链方法的数据清洗方案。通过数据挖掘手段发现数据质量差距,追溯到软件设计、实施、维护等上游环节,提出从来源环节解决问题的系统方法,并提出通过数据挖掘应用咨询促使数据质量改进的措施,从而降低数据清洗的工作量,使数据质量不高的企业也可以实施数据挖掘项目,获取决策支持所需的知识。     

数据挖掘在高校体育数据分析中的应用

此文通过对数据挖掘技术的基本原理研究，分析和探讨了它在高校体育数据分析中的应用。     

Apriori算法在高校学业管理中的应用

为了把握大学生进入高校之前的学业倾向,文章基于WEKA软件环境,运用Apriori算法,对高校学生历史数据进行挖掘,发掘影响学生学习效果的主要因素,剖析个体基本属性与成绩属性之间的关联性,预测某些属性会使学生的学习产生障碍,提高学业管理的针对性与时效性。     

数据仓库技术的探讨

该文探讨了在过程数据库进行数据挖掘,生成数据仓库,对过程数据进行跟踪、总结,寻找规律,调整和优化炼钢工艺的途径。     

基于网格的并行数据挖掘体系结构的研究

针对传统的数据挖掘模式无法解决广域分布的海量数据挖掘问题,本文提出了一个网格环境下基于开放网格服务体系结构标准的网格数据挖掘服务,实现了网格环境下的数据挖掘。由于网格数据挖掘处理的数据是海量的,传统的集中式数据挖掘技术已经无法满足需求。因此在网格数据挖掘服务中融入并行技术是非常有意义的。     

基于云计算技术构建高校数字化校园云数据中心

高校数字化校园建设中,数据中心的建设是核心,基于云计算的数据中心以提供服务为核心,可以解决数字化校园建设中硬件资源紧张、资源利用率不足、多个应用系统互相独立、信息孤岛现象严重、数据原始积累欠缺、高排放高能耗等问题。该文全面分析了云数据中心建设的各项规划方案,并给出了一个实际的高校云数据中心建设案例,对高校数字化校园建设有一定的借鉴意义,同时也可以推广到企业数据中心建设中。