分享到:

数据挖掘:软件应用的新境界

尽管从时令上说如今已是阳春三月,但是,不少企业仍然感觉寒意阵阵。受全球金融危机的影响,企业的订单被取消、销售额下降成为企业管理者最为头疼的问题。在这种经济形势下,企业的IT部署和采购也自然地缓了下来。那么,IT部门能做些什么?$$  “练好内功、内部挖潜”,业内专家给CIO们提出了如此建议,“具体而言,就是把现有软件用好。在此之上,还可以通过数据的分析给管理者提供一些决策信息。”$$  很显然,数据的分析已经成为企业信息化发展到一定程度之后共同的需求。因为铺设网络、购买硬件、安装管理软件、建立系统这些都不是本质,信息资源开发利用、信息挖掘才是企业信息化的主线。而实际上,目前也有一些商业智能软件供应商正以“上商务智能软件帮助企业过冬”作为新的卖点。$$  低效的IT系统$$  屡见不鲜$$  这些年,为了改善营销管理水平、深度开拓市场、提高竞争效率,不少企业的信息化建设如火如荼开展起来,尤其是像制造和零售业等,大部分已先后部署了O...  (本文共3页) 阅读全文>>

《浙江现代教育技术》2004年03期
浙江现代教育技术

数据挖掘在教育信息化中的应用空间分析

随着信息社会的来临,大量信息在给人们带来方便的同时也带来了信息的消化、信息的辨识、信息的安全、信息形式的一致性等问题。人们开始考虑:如何才能不被信息淹没,而且从中及时发现有用的知识,提高信息利用率,最终避免“数据爆炸但知识贫乏”的现象。仁’〕这个任务就落在数据挖掘的身上。本文对教育信息化条件下,数据挖掘的应用空间进行分析,希望能为教育信息化建设提供有价值的参考。 一、数据挖掘及其技术 1.数据挖掘 数据挖掘(Data Mining)就是从大量的数据中,抽取出潜在的、有价值的知识(模型或规则)的过程,是一类深层次的数据分析方法。它是一门交叉学科,包括机器学习、数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等相关技术。数据挖掘技术包括三个主要部分:算法和技术;数据;建模能力。川 2.数据挖掘系统 一个完整的数据挖掘系统包括规则生成子系统和应用评估子系统两个部分。规则生成子系统主要完成根据数据仓库提供的历史数据,统计并产生相关...  (本文共3页) 阅读全文>>

《福建信息技术教育》2005年01期
福建信息技术教育

数据挖掘技术简介

1.引言 数据挖掘(Data Mining)是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、 人们事先不知道的、但又是潜在有用的信息和知识的过程。它是一门涉及面很广的交叉学科,包括机器学 习、数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等相关技术。数据挖掘技术包括三个主要部 分:算法和技术、数据、建模能力。 2.数据挖掘的分类 (1)根据数据挖掘的任务,可分为:分类或预测模型数据挖掘、数据总结、数据聚类、关联规则发现、序 列模式发现、依赖关系或依赖模型发现、异常和趋势发现等。 (2)根据数据挖掘的对象,可分为如下若干种数据源:关系数据库、面向对象数据库、空间数据库、时态 数据库、文本数据源、多媒体数据女异质数据库、遗产(legacy)数据库,以及Web数据源。 (3)根据数据挖掘的方法,可粗分为:统计方法、机器学习方法、神经网络方法和数据库方法。统计方 法中,可细分为:回归分析(多元回归、自回归等...  (本文共3页) 阅读全文>>

《电子技术与软件工程》2018年23期
电子技术与软件工程

计算机数据挖掘在互联网行业中的应用

1互联网行业发展简介随着信息技术的迅猛发展,互联网的应用不再局限于某个部门某个行业,而是与传统行业产生深度融合,既从根本上改不了传统行业的经营方式和运转模式,而且根据时代需要发展出多种新型事物。互联网+传统行业逐渐成为当前我国社会经济发展的主要趋势,其中发展已经比较成熟的是网上购物等,此外网络金融、网络教学等行业也得到快速发展,其前景都是十分美好的。互联网与传统行业的结合不仅改变了各个传统行业的经营模式,也在很大程度上改变了人们的生活方式和思想观念。尤其是当前人们生活节奏不断加快,互联网的便利和快捷为众多网友喜爱。当前人们在互联网上不仅获取各种信息,而且通过互联网进行沟通交流,这不仅仅局限于个人生活方面,还包括工作等各个方面。人们利用互联网进行购物更是成为当前人们的主要生活方式。随着人们对互联网依赖性的加深,人们对于互联网的各种新的需要也不断发展出来。在这种背景下,在已有的互联网基础上进行科技创新和探索,从而开展新的互联网技术的...  (本文共1页) 阅读全文>>

《河南科技》2018年25期
河南科技

大数据下一种规则的快速挖掘技术研究

1研究背景随着信息技术的不断发展,数据逐渐渗透到当今每一个行业和业务职能领域,成为重要的生产因素。面对当前海量数据,如何准确有效地挖掘数据已经成为行业未来发展的趋势。关联规则的挖掘研究一直是数据挖掘领域的一个热门研究课题,现在已经被广泛地应用到各个领域。近年来,国内外研究主要集中在关联规则冗余修剪以减少关联规则的数量,减少不必要的挖掘。由此,本文致力于修剪冗余的关联规则,提高挖掘质量,并提出一种关联规则的修剪方法。首先,根据规则与数据的匹配度进行修剪,并计算数据与规则的平均匹配度,如果小于阈值,则修改规则,再根据机器学习中的相似性度量方法,在剩余的规则中选择兴趣度最优的数量关联规则,最后获得除去冗余规则后的关联规则。本文所采用的方法最大限度地缩短了修剪所需要的处理时间,生成了一个准确的最小关联规则集,并能与传统的关联规则挖掘方法保持相同的准确度,这使得冗余规则的修剪易于理解,可读性强。2关联规则的基本概念关联规则的定义[1]是这...  (本文共2页) 阅读全文>>

《价值工程》2019年05期
价值工程

大数据时代的数据挖掘综述

1研究背景伴随着大量数据的持续增长,代表着大数据时代的应运而生,这也使得人们对数据越来越感兴趣并进行充分的研究与利用,对于数据的分析与提取,数据挖掘技术成为新一代技术的典型代表。在商业营销领域,二维码、条形码技术的频繁应用形成了大批量的数据。从销售层面上来讲,可以通过对数据的分析来挖出用户所倾向的购物行为,从而使得商家针对性的促销商品并提高自己的竞争力[1]。在个人信誉测评方面,目前很多银行或企业通过数据分析的软件,定期的对个人的信誉度进行检查来判定其否有良好的信誉,从而决定是否可以为其贷款。数据挖掘技术还被应用于识别用户访问资源的行为上,主要来判别用户否为合法用户,进行诈骗甄别主要是利用总结出的正常行为和异常行为之间的关系,得出行为的相关特征,可以对一些不法行为直接进行拦截或屏蔽。在这种背景下数据战备意义显得尤为重要,因此,大数据时代下对于数据挖掘[2]问题的研究具有积极的意义。2数据挖掘相关知识2.1数据挖掘的概念数据挖掘(...  (本文共3页) 阅读全文>>