可拓数据挖掘研究进展

可拓学研究用形式化模型解决矛盾问题的理论与方法,可拓数据挖掘是可拓学和数据挖掘结合的产物,它探讨利用可拓学方法和数据挖掘技术,去挖掘数据库中与可拓变换有关的知识,包括可拓分类知识、传导知识等可拓知识.随着经济全球化的推进,环境的多变促使了信息和知识的更新周期缩短,创新和解决矛盾问题越来越成为各行各业的重要工作.因此,如何挖掘可拓知识就成为数据挖掘研究的重要任务.研究表明,可拓数据挖掘将具有广阔的应用前景.将介绍可拓数据挖掘的集合论基础、基本知识和目前研究的主要内容,并提出今后需要进一步探讨的问题及其发展前景.     

我国上市公司组合治理机制的实证研究

本文以沪市上市公司为样本,采用数据挖掘技术的判定树归纳法对样本企业的治理机制进行了系统研究,得到公司治理机制不同组合和EPA(单位资产实现EVA)之间的对应关系;然后根据可信度和支持度相结合原则从中遴选出有效规则,为优化公司治理机制、提升绩效和创造新财富提供借鉴。     

助推偏最小二乘法（BPLS）及其应用

在生物统计以及数据挖掘中,分类预测是最基本的任务之一。本文将探讨一种新的方法-助推偏最小二乘法（BPLS）。它结合了一系列收缩的偏最小二乘模型,每个模型只有一个主成分。这种新方法和传统的偏最小二乘方法不同,它不需要选择一系列的偏最小二乘成分。只需要确定两个参数即可。通过对真实数据的训练,得以证明这种新方法比传统的偏最小二乘法在防止过度拟合方面有更好的表现,同时能够保证精确度。     

基于最近边界向量的SVM增量学习算法

为了减少求支持向量过程中二次规划的复杂度,利用训练样本集的几何信息,选出两类中离另一类最近的边界向量集合,它是样本中最有可能成为支持向量的一部分,用它代替原样本集进行训练.对新增样本,若存在违反KKT条件的样本,只对这部分新样本进行学习.同时找出原样本中可能转化为支持向量的非支持向量样本.基于分析结果,提出了一种新的基于最近边界向量的增量式支持向量机学习算法.对标准数据集的实验结果表明,算法是可行的,有效的.     

DEA模型的“动态”规模收益分析与数据挖掘

仅重复使用一个"交形式"的生产可能集,利用"动态"规模收益评价方法来对海量的经济数据进行研究、挖掘,不但可以了解这些海量数据的当前规模收益状况,还可以给出其投入增大或缩小时的规模收益状况.研究是对DEA模型应用领域的拓展,也是对数据挖掘领域的补充.     

数据挖掘在供应链金融风险控制中的应用

“供应链金融”是近年来金融机构针对供应链上下游企业提供的一种全新的金融业务，这项业务在银行方面也存在一定的风险。针对由经销商造成的还款风险，利用数据挖掘技术获得一组低还款能力经销商的特征属性。金融机构能据此识别不同还款能力的经销商，并针对不同经销商制定不同的金融政策以控制和规避金融风险。     

数据挖掘辅助定向合成(Ⅰ)具有特定孔道结构的微孔磷酸铝

采用决策树方法对微孔磷酸铝的合成反应数据库进行了数据挖掘研究, 结果表明, 有机胺模板剂的属性对特定孔道的生成起着至关重要的作用. 进一步分析得到合成十二元环AlPO4-5微孔磷酸铝的约束条件, 并从理论上预测出用于合成十二元环AlPO4-5微孔磷酸铝的一系列新的有机胺模板剂. 部分理论分析结果得到了分子力学计算的有力支持, 并被合成实验所验证.     

基于模糊支持向量机的企业关系价值分级度量研究

针对合作制造企业间关系的特点,界定了企业关系价值的基本内涵.通过对企业关系价值度量维度划分,建立了企业关系价值的度量指标体系.在此基础上,采用模糊支持向量机方法建立了企业关系价值分级度量模型,并对其进行了分级度量.实验结果表明,该方法不仅能有效地度量出企业关系价值的级别,而且可以作为企业制定合作战略和决策的依据.     

基于XML的Web数据挖掘模型的探讨

随着网络技术的发展，网上的信息资源越来越丰富，怎样对web上海量的数据信息进行深层次的应用成了数据挖掘技术的研究热点．而XML能够为Web挖掘提供半结构化的数据模型，解决了Web挖掘中的数据源问题．文章通过介绍Web数据挖掘的分类和总体流程，探讨了XML在Web数据挖掘中的应用，进而在此基础之上提出了一种基于XML的Web数据挖掘模型，剖析了该模型的各个组成部分．     

一种新型的广义规则推理算法

数据挖掘是指从大型数据库的海量信息中有效进行知识发现的过程,而其效能的高低主要取决于搜索机制所依据的算法.有鉴于此,提出了一种基于个体免疫与群体进化机制于一体的一种高效的全局优化搜索算法,即基于免疫规划的广义规则推理算法.与已有算法所不同的是,广义规则推理算法不仅仅着眼于发现一些有关分类方面的信息,而是利用背景理论和先验知识在知识表示与运行效率之间相均衡的基础上,着重新知识的发现和对高级规则的预测.理论分析和仿真实验表明,广义规则推理算法有利于进化群体的相对稳定和整体性能的提高,并可以在规则提取过程中保持较高的精确度.