数据仓库与数据挖掘在电信业中的应用

简要介绍了数据仓库和数据挖掘技术，探讨了电信业基于数据仓库和多维数据库应用的基本框架，并人出了几个挖掘方法，最后简单介绍了相关的ORACLE工具。     

数据挖掘中统计方法的作用和问题点

本文讨论了数据挖掘与统计学间的关系,介绍了在数据挖掘中常用的统计方法和存在的问题。提出了统计怎样适应于数据挖掘的课题。     

基于决策树算法的滑坡危险性区划评价

以浙江庆元县境内滑坡发生集中区为试验区,获取与滑坡危险性有关的因素集,包括数字高程、坡度、对应分析因子、地质图等,采用决策树算法对因素集数据进行数据挖掘,开展滑坡危险性区划,取得了与实际较为一致的结果.因此,利用决策树归纳技术可以快速准确地实现滑坡灾害区域评价与预测,是一种较好的滑坡灾害危险性评价方法.     

基于双子支持向量机的信用卡流失分析

银行信用卡业务属于高收益、高风险的业务,如何实现对信用卡的客户流失控制是发卡银行迫切需要解决的问题.目前,随着银行积累了大量的数据,并建立了数据仓库,使得采用数据挖掘技术来实现信用卡客户流失分析成为了可能.利用双子支持向量机,基于某商业银行的信用卡数据,建立了信用卡流失分析模型,实验结果证明了方法的有效性.     

篇章中指代消解研究综述

指代消解的基本任务是识别篇章中对现实世界同一实体的不同表达.由于消解不同实体表达是自然语言理解的关键因素之一,因此许多学者在该领域做了大量的研究工作.本文将指代消解领域的经典算法综述为两大类:①基于启发式语言学规则的指代消解方法;②基于数据驱动的指代消解方法.在过去的几十年里,由于标注语料MUC,ACE和OntoNotes的出现,指代消解系统从基于启发性规则的消解方法转向基于数据驱动的消解方法.然而最近两年出现一个比较有趣的现象,只要能获取足够多的表达信息,基于启发性规则的方法也能取得很好的消解效果,基于启发性规则的方法又有兴起的趋势.随着指代消解研究的发展,它在其余自然语言处理技术中得到了广泛的应用,例如:机器翻译、信息抽取和自动文摘等领域.计算模型不精确、篇章知识匮乏以及缺少标注语料是限制指代消解发展的主要因素.未来,候选消解项的识别与抽取、跨文本指代消解、多语言的指代消解和各种深层篇章知识的联合利用将成为指代消解发展趋势.     

基于事务压缩的频繁项集挖掘和更新算法

频繁项集挖掘是挖掘关联规则的关键。为了得到用户感兴趣的关联规则，要不断调整最小支持度，这必将引起频繁项集的更新。基于事务压缩思想，提出一种挖掘和更新算法，挖掘频繁项集时扫描压缩的数据库，更新时能减少新产生的k-项集的数量，从而加快了更新速度。     

数据挖掘在科技论文分析工作中的应用

讨论了数据挖掘技术,并选用几种数据挖掘方法对科技论文、论文作者以及发表刊物进行了统计分析,从而说明了数据挖掘在科技论文分析工作中的应用.     

基于模糊粗糙集挖掘方法的证券价格预测研究

为了能更好地对证券市场价格进行合理预测，利用模糊粗糙集以及数据挖掘技术对证券市场中的股票价格在给定时问内进行预测。首先利用模糊集和粗糙集方法将股票价格进行预分类，并按时间属性进行分组，而后通过给出的模糊相似关系下的模糊粗糙集计算每组的真值，通过数据挖掘方法获得候选属性，最终得到相应时间段内的有用规则，根据所得规则预测某一时间段内股票价格的变化趋势。测试结果表踢，该方法能获得较高的准确率，证明其有效性较好。     

数据挖掘过程中连续属性离散化新方法研究

在知识发现和机器学习领域里,许多数据挖掘方法如基于粗集的数据挖掘工具等需要使用离散的属性值,但实际观测到的大多是连续性属性数据,这对许多新型数据挖掘工具的研究带来了不便.本文针对以上问题,在综合分析目前连续属性离散化方法的基础上,提出了一种基于数据分布特征的连续属性离散化新方法,并用经典算例验证了此算法,实验结果表明该方法具有合理性和可行性.     

上市公司财务危机预警分析——基于数据挖掘的研究

本文以我国上市公司为研究对象,选取了1999-2001年被ST的公司和正常公司各73家作为训练样本,2002年被ST的公司和正常公司各43家作为检验样本,分析了财务危机出现前2年内各年两类公司15个财务指标。在进行数据挖掘中,我们运用了三种独立的方法,分别为判别分析、Logistic回归和神经网络,结果发现神经网络预测的效果要优于其它两种方法。最后,结合了这些方法的优点,建立了一种混合模型,研究表明预测的正确性要高于每种单独方法,从而提高了模型的预警效果。