农民市民化进程中的区隔现象探析

在当前农民转变为市民的城镇化过程中,在一定程度上出现了进城农民工与原有市民难以融合的区隔现象,这是新时代社会主要矛盾的表现之一。其产生的历史根源是计划经济时代的城乡二元分割体制,现实根源是社会系统运行中的排斥机制。透过现象看本质,区隔现象表明了农民工与市民之间存在着权益的不平衡。只有进一步深化改革,完善社会治理体制,逐步缩小不同阶层之间的经济、社会和文化位差,才能实现阶层融合,稳步推进新型城镇化进程。     

爱顾：这家超市，用商品目录册代替货架陈列

英国爱顾超市一家门店1OO平米，却能卖三万多种商品。它不用货架陈列，取而代之的是厚厚的商品目录。40年来开了七百家门店，承担了它网店的最后一百米配送，成本很低。     

性别区隔视角中的新时期小说女性形象建构

新时期小说创作中,由于性别区隔的视角差异,一些男性作家的作品建构女性形象不成功,主要表现如下:第一,作家认同女性的主体地位,但无法进入双性同体的写作状态;第二,女性形象是小说的功能性人物,是作家理想化的产物;第三,作家潜意识中以女性对男性的付出程度来表现其存在价值。在建构女性形象时,应当服从人物的生命逻辑,平等地描摹复杂的人性,以更宽广的视野完成人物主体在社会中的多维身份建构。     

一种新的基于数据挖掘的顾客忠诚度模型研究

根据零售业的特性,提出一种新的运用数据挖掘聚类算法来预测顾客忠诚度的指标模型（简称SMP）。同时与一种较为成熟的顾客忠诚度指标分析模型（简称RFM）进行比较分析,试验表明SMP模型更适用于零售业的顾客分析,实例验证了该模型的有效性和可行性,为完善零售业的顾客分析提供一定的理论依据。     

灰聚类分析及其应用研究

经典的聚类分析方法在统计时需要事先设置参数，而在没有先验知识情况下，确定这些参数比较困难。为此，提出一种全新的灰聚类分析方法并完整地定义了其数学模型。该方法不再受样本输入次序的限制，不再需要事先确定参数。通过仿真实验，证明了该方法具有较好的抗噪音的能力，能有效地避免人为因素对聚类结果的影响，能使聚类的结果更客观、准确。将该方法运用于股票数据分析中，实验结果表明，该分析结果能为投资者提供一定价值的决策意见，具有一定的实用价值。     

数据挖掘技术中聚类算法的探索与研究

文章在对各种聚类算法深入分析的基础上,尤其在对基于密度的聚类算法、基于层次的聚类算法和基于划分的聚类算法深入研究的基础上,提出了一种改进基于密度和层次的快速聚类算法。该算法保持了基于密度聚类算法发现任意形状簇的优点,而且具有近似线性的时间复杂性,因此适合对大规模数据的挖掘。     

灰聚类分析及其应用研究

经典的聚类分析方法在统计时需要事先设置参数,而在没有先验知识情况下,确定这些参数是比较困难的。为此,提出了一种全新的灰聚类分析方法并完整地定义了其数学模型。该方法不再受样本输入次序的限制,也不需要事先确定参数。通过仿真实验证明,该方法具有较强的抗噪音能力,能有效地避免人为因素对聚类结果的影响,能使聚类结果更客观、准确。将该方法运用于股票数据分析中的实验结果表明,该分析结果能为投资者提供一定价值的决策意见,具有一定的实用价值。     

数据挖掘在零售业中的应用

当今许多零售企业的数据库或数据仓库中都搜集和存储了大量关于客户的数据,这些数据涵盖了从客户基本数据、购买记录及客户反馈的各个环节。充分利用这些数据,深入分析、挖掘隐含在这些数据中的有用信息,将有助于企业更好管理客户关系。然而,由于缺乏在大量数据中发现深层信息的能力,许多企业对于这些数据的利用还只是停留在基础层的浏览、检索、查询和应用层的继承、组合、整理等方面,而无法将这些数据转化为更加有用的信息。因此,如何更加有效地管理企业数据库中快速增长的数据,将数据资源的利用提高到知识创新的高级阶段,已经成为企业当前需要迫切解决的问题,数据挖掘(Data Mining简称DM)技术的运用就可以帮助企业很好地解决这个问题。就数据挖掘在对顾客分析的应用研究而言,国内在这一领域的研究明显落后于国外,基本局限于描述性的分析或数据挖掘技术的简单运用,关于对顾客分析的研究缺乏足够的重视。探索数据挖掘技术在帮助企业获得、分析与运用客户数据中有效应用,帮助企业更好分析、了解顾客,最终赢得顾客的竞争。从以上分析可知,数据挖掘在顾客分析尤其是忠诚顾客分析中的研究是当前的一个重要课题,该研究具有重要的意义和实际应用价值。     

一种基于映射簇的聚类分析算法

应用映射簇的概念来明确多维数据中簇与维度的关系,将聚类问题转化为映射簇问题;将采样技术与PAM相结合,根据曼哈坦距离计算数据对象之间和簇之间的距离实现聚类分析.此外,给出了相应的具体算法,并将该算法与k-中心点算法进行了试验比较.试验结果证明了该算法的有效性.     

浅谈“客户经营”

当前衡量一个企业是否成功的标准，不再单是企业的投资收益率和市场份额，而是该企业的顾客保持率、顾客份额以及数据资产的收益等综合指标。也就是说商业的经营理念应从过去的商品管理、顾客管理向客户经营理念发展。     

体育商品企业顾客满意度测评指标体系

对顾客满意度基本理论进行了阐述,并通过对美国顾客满意度指数(ACSI)模型的分析和提炼,构建了适合于体育商品企业的顾客满意度测评指标体系,以此来指导改进传统体育商品营销观念,建立以"顾客为导向"的行销战略,为体育产品商业的营销策划工作提供理论指导.     

面向海量数据的并行KMeans算法

针对海量数据的特性及KMeans算法的并行特性,提出了一种基于MapReduce编程框架的并行聚类算法,给出了算法的主要设计方法和策略.Map函数计算出每个记录所属的簇并用簇标号来标记;为了减少网络流量,利用Combine函数合并了本地的簇中的样本和;Reduce函数合并簇中所有的记录,并重新计算聚类的中心,供下一轮MapReduce迭代使用.最后用不同大小的数据集对改进算法的效率及伸缩性进行了验证,结果表明基于Hadoop的并行KMeans算法适合于海量数据的分析和挖掘.     

正负关联规则挖掘算法在电子商务网站中的应用

摘要 为了增加电子商务网站的销售额,分析了商品推荐在电子商务系统中的作用,研究了数据挖掘中的正负关联规则挖掘技术的特点,提出了一种新的正负关联规则挖掘算法。新算法通过使用旋转数据库和位运算减少了扫描原始数据库的次数,加快了挖掘速度。另外,新算法在挖掘正规则的同时,利用负规则裁减掉无效规则,得到的结果更符合用户的购物行为。通过测试得出新算法比传统的Apriori算法执行时间更短,商品推荐更精确。     

贫困生问题之我见

首先通过学院日常管理系统获取贫困生基本信息形成基本信息数据库。其次设计生活调查问卷,通过网络调查统计贫困生的消费情况。再次在校园一卡通管理系统中对贫困生一卡通真实消费进行数据统计。最后根据以上数据得出调查结果并给出几点建议。     

季节性商品的二级供应链转运模型研究

以季节性商品供应链为背景,考虑由一个生产商和二个销售商组成的二级供应链结构,研究了由生产商的定价决策和销售商的订货决策构成的动态博弈框架,分析了(1)转运(不考虑顾客转移)与(2)无转运(顾客部分转移)两种情形下供应链各成员的博弈策略.数值模拟表明:转运策略的引入,使生产商的最优期望利润和销售商的最优订货水平得到了提高;从整体上看,转运策略增加了总体供应链的最优期望利润.     

数据挖掘中基于密度的聚类结构及算法设计

聚类分析是数据挖掘的主要技术之一。其中基于密度的聚类可以得到任意形状的聚类结果,从而可以观察到一个并发的、完整的聚类结构。对聚类、数据对象、簇的密度、基于密度的方法和OP TICS中的基本概念进行了描述,在此基础上,明确定义了簇的密度,建立了关于ζ的基于密度的簇、密度度量函数等概念,并设计了获得聚类结构的相应算法且对其进行了复杂性分析。     

城市物流中心选址问题研究

在分析现有物流中心选址特点的基础上,提出了一类基于顾客满意度的多目标物流中心选址模型,并引入遗传算法对该模型进行求解。通过对具体实例求解,验证说明该算法能够很好地处理基于顾客满意度的多目标物流中心选址问题。     

一种实时有效的蜂群模式挖掘算法

针对实时相关运动模式挖掘应用的需求,提出了一种实时地发现关闭蜂群模式的簇重组算法(CLUR).该算法维护一个候选蜂群模式列表,在每个时间戳采用基于密度的聚类算法对移动目标进行聚类,根据聚类结果组合所有的最大移动目标集,记录相应的时间集,然后构建候选蜂群模式,并更新到候选列表.算法给出了三种更新规则和一种插入规则,用于实现候选蜂群模式列表的更新,同时降低了候选列表的冗余度,提高了算法的效率.在每个时间戳结束时可通过关闭检测规则实时地发现当前时刻的关闭蜂群模式.在合成数据上的综合实验验证了CLUR算法的正确性、实时性和高效性,CLUR算法适用于实时相关运动模式挖掘系统.     

数据挖掘技术研究

随着信息技术迅速发展，数据库的规模不断扩大，产生了大量的数据。但大量的数据往往无法辨别隐藏在其中的能对决策提供支持的信息，而传统的查询，报表工具无法满足挖掘这些信息的需求。因此，需要一种新的数据分析技术处理大量数据，并从中抽取有价值的潜在知识，数据挖掘（Data Mining）技术由此应运而生。本文主要介绍了数据挖掘的基本概念，以及数据挖掘的方法。