马克威分析系统介绍(四)——数据挖掘

数据挖掘简介1.数据挖掘的由来在信息化飞速发展的今天,海量的数据充斥着我们的电脑、网络和生活。政府部门、科研部门和企业都投入大量资源去搜集信息和存储数据,然而其中只有一小部分被利用到,因为在多数情况下,我们获得的数据要么过于庞大,难以管理;要么结构过于复杂,难以有效分析。我们已经陷入了“数据丰富,信息贫乏”的尴尬境地。对大型的、复杂的、信息丰富的数据集的理解,是所有的商业、科学、工程领域的共同需要。想要从巨大的数据原料中开采出宝贵的知识矿藏,就要使用数据挖掘(DataMining)这一能工利器。系统的数据挖掘工具因此…     

电子商务客户网络购物行为挖掘

电子商务已经成为越来越多的消费者购物的一个重要途径，分析网络购物客户的个人特征及其购物行为，对商业的成功有着至关重要的作用。然而电子商务还是一个崭新的商业领域，很多的业界人士仍忙于技术方面的考虑，却很少分析客户的网络购买行为。而使用真实网络购物KDD Cup 2000数据，分析Gazelle．com公司客户的个人特征和网络购物行为，并应用数据挖掘的购物篮模型对各商品之间的关联性进行分析，才能更确切地预测模型预测客户的忠诚度。     

基于BP神经网络的大学生素质综合测评

一、引言 　　数据挖掘(Data Mining)是数据库中知识发现的核心,在近年来逐渐兴起,形成了一种全新的应用领域.数据挖掘是从大量的、有噪声的、随机的数据中,识别有效的、新颖的、有潜在应用价值及完全可理解模式的非凡过程,从而对科学研究、商业决策和企业管理提供帮助.神经网络是模拟人脑内部结构,在模拟推理、自动学习等方面接近人脑的自组织和并行处理的数学模型.其优点之一是,不依赖于对象.通过学习将输入、输出以权值的方式编码,把它们联系起来.神经网络在数据挖掘中的优势是:噪声数据的强承受能力,对数据分类的高准确性,以及可用各种算法进行规则提取.……     

统计分析的新模式——数据挖掘技术

近年来,数据挖掘已经成为了统计学研究的一个新兴领域,引起了学科内部的极大关注,数据挖掘技术的发展极大地丰富了统计分析的手段。由于当今社会信息量、数据量急剧增大,因此人们迫切需要将这些数据转换成有用的信息和知识。面对     

信息时代的指南针——数据挖掘

本文从产生的必然性、功能、方法、应用、出版物及工具方面系统的介绍了在信息时代面对竞争和做出正确决策必备的关键技术———数据挖掘 ,并对数据挖掘的商业前景、发展方向作了展望 ,最后根据自己的体会总结了数据挖掘的特征及对相大学科可能产生的影响。     

基于统计数据的OLAP数据挖掘技术

一、概述数据挖掘是 90年代中后期兴起的一门跨学科的综合研究领域 ,它集计算机机器学习、统计学、数据库管理、数据仓库、可视化、并行计算、决策支持为一体 ,利用数据库、数据仓库技术存储和管理数据 ,利用机器学习和统计学方法分析数据 ,旨在发现大量复杂数据中蕴含的有价值的知识和信息。目前 ,随着数据挖掘应用的不断开展以及客观现实对数据分析需求的不断增长 ,人们越来越认识到数据挖掘的重要性和必要性。数据挖掘通过对数据的总结、分类、聚类、关联等分析 ,实现对数据内在结构特征的理解和对未知数据的预测。其中 ,数据总结是在数…     

基于函数型数据分析的数据挖掘功能研究

数据挖掘功能是数据挖掘研究与应用的一个重要方面。数据挖掘功能用于指定数据挖掘任务中要找的模式类型。当前,数据挖掘的功能所处理的主要是传统的数据,对于函数型数据的研究还不是很多。文章探讨了数据挖掘中可以挖掘的几种函数型数据模式,包括数据描述、分类、聚类和回归。     

数据挖掘与商业智能的现况及未来发展

随着商业数据量的快速增加,能够帮助企业从数据中寻找决策支持的工具越来越受到重视.在统计学等多学科支撑下,数据挖掘与商业智能将发挥越来越重要的作用.     

数据挖掘技术的应用及发展

数据挖掘是从大量的数据中发现其潜在规律的技术,是当前计算机科学及统计科学研究的热点之一。文章介绍了数据挖掘的概念、功能、数据挖掘过程、常用方法等;探讨了数据挖掘领域面临的问题;论述了数据挖掘与统计分析的关系,并对国内外研究现状及发展情况做了介绍。     

数据挖掘的技术与商业定义及其研究对象

本文在对数据挖掘考察的基础上,从技术角度和商业角度对数据挖掘的概念予以界定,并探讨了数据挖掘在知识发现中的地位,明确了数据挖掘的对象和对该领域的研究方向.     

基于粗糙集聚类的高维离群点数据挖掘算法

本文回顾了离群点数据挖掘技术的研究成果,对高维离群点数据挖掘技术进行了简要的评述,并在此基础上提出了一种基于粗糙聚类的高维离群点数据挖掘的算法,采用粗糙集方法选择出最优子空间,直接对高维空间数据进行聚类,并对子空间离群点进行数据挖掘,取得了良好的效果。     

数据挖掘技术和信用风险管理

一、数据挖掘的定义 数据挖掘就是利用人工智能、统计分析以及其它建模方法,从大量不完全的、随机的数据中寻找数据之间的关系和有用的信息.数据挖掘在营销、金融等行业的重要性已经被认识,所以企业一般都建立自己的数据库即客户关系系统(CRM),这为数据挖掘的发展提供了基础.需要指出的是:数据挖掘并不仅仅是技术和算法的组合,它其实更像过程,这个过程的目的在于解决具体的问题或做具体的决策.     

国外数据挖掘应用研究与发展分析

目前“数据挖掘(Data Mining,DM)”这一术语在学术界还没有一个公认的、权威的定义,但我们一般可以简单的认为数据挖掘是从海量数据中发现趋势或模式的过程。尽管有些人不愿承认数据挖掘与统计学的内在联系,但不可否认的是早期的数据挖掘的确脱胎于统计学,因此也可以说数据挖掘是利用统计学和机器学习技术创建预测行为的模型。需要强调的是数据挖掘的过程是一个“发现”的过程,而不是“发明”的过程。换句话说,数据挖掘所探寻的模式,是一种已有的、只是隐藏在数据中、暂时没有被发现的知识。世界上对数据挖掘的正式研究始于1989年8月举行…     

数据挖掘中事务性数据库的压缩及其应用

一、引言 数据挖掘的首要工作是数据的准备,数据的准备包括:数据选取(Data selection)、数据预处理(Data perprocessing)和数据变换(Data transfromation).目前,我们已经充分地意识到,在信息系统中的信息积累越来越大,这样给数据的准备带来困难,给数据挖掘阶段的开采工作带来了不便.为此解决信息系统中信息量膨胀的问题,就显得尤为重要了.     

大数据时代的统计主体利益均等化路径研究

大数据正在开启统计大开放、大服务的新时代,必将带来统计利益关系的新变化。如何协调统计主体利益关系,事关统计改革的成败。文章遵循互利共赢的原则,按照"改革利益失衡的统计法律制度市场→构建面向公众的统计服务系统的思路,提出了→开放长期封闭的统计服务实现统计主体利益均等化的具体→建立互利共赢的商业统计模式措施。→建设复合型专业化统计队伍"     

数据挖掘在公积金异常提取中的应用研究

大数据时代,数据挖掘方法已经被很多人熟悉和应用,此类模型算法也越来越多地应用在系统中。本文简述了三种异常数据挖掘方法,探索在公积金提取业务中建立异常数据挖掘模型,寻找公积金异常提取业务,进一步探索公积金提取中的骗提、套取行为,以保护广大缴存人的利益,保卫住房资金安全,维护住房公积金正常的管理秩序。     

数据挖掘中基于因子分析的聚类方法及其应用

数据挖掘中处理的数据越来越庞大,传统的聚类方法已经不再适用。因此,本文提出了一种基于因子分析的聚类方法,从而达到数据降维和简化聚类过程的效果。     

图像数据挖掘相关研究综述—概念和应用

图像挖掘是数据挖掘领域中新兴的领域。随着数字照相技术的发展和在多学科中的广泛应用,对大量图像数据的分析和研究越来越重要。由于图像挖掘的对象、内容不同于传统数据,方法上也不同于传统技术。本文旨在介绍图像挖掘的基本概念和体系以及国际上最新的研究成果。本文回顾了图像挖掘的相关问题及建模框架,并与模式识别、图像处理等相关领域进行了比较,在此基础上,还介绍了近年来图像挖掘领域在卫星遥感、医学影像和生物显微照片研究的相关应用。     

挖掘潜力,提前报表的报送时间

目前我省的贸易统计工作者在“优秀商业工作者运动”的基础上,已经展开了一个全面的社会主义劳动竞赛。在竞赛中,经过了深入细致的研究,发现报表提报时间可以此中央规定的时间大大提前,潜力是