应用数据挖掘的束流状态描述建模

聚类分析是描述数据群体特征的有效方法.然而,随着挖掘数据库规模的增大,评分函数极值搜索是计算复杂度很高的问题.文中提出了一种新的算法,并将其运用到束流状态描述建模中.试验结果表明,该算法快速有效.同时,重复性是电子储存环的重要指标,聚类模型可作为机器研究和决策的依据,具有指导意义.     

电子政务系统中面向公众的个性化信息服务模型

电子政务作为Internet的主要应用领域，已受到世界各国的普遍关注。面对公众各种服务需求日趋个性化，如何打破政府职能机构的条块分割，构建一个一体化的虚拟政府，集成各类信息资源，为公众提供“一站式”的、个性化的服务，是当前电子政务理论和实践的热点课题。本文首先提出一个面向公众的“一站式”服务总体框架；其次，将个性化信息服务的概念引入到电子政务系统中，构建一个个性化信息服务模型；最后，运用数据挖掘技术对模型中的关键技术加以实现。     

基于加权相似性的BIRCH聚类算法

BIRCH方法是一个集成的层次聚类方法.它克服了凝聚层次聚类方法所面临的两个难点:可伸缩性和不能撤销前一步工作的问题.基于BIRCH聚类的多阶段聚类算法思想,结合基于权重的欧式距离度量和基于划分的K-means算法,提出了一种基于加权相似性的BIRCH聚类方法,并将方法应用在时间序列的气象数据分析中.     

结合离群值对广东省进出口总额的预测分析

以国际贸易理论为基础,利用广东省若干宏观经济数据,对广东省进出口额进行实证分析.本文采用了季节性ARIMA模型并结合离群值分析的方法对进出口额进行研究.实证分析此方法具有良好的效果.     

基于传导变换的传导知识研究

基于传导变换的传导知识是一类重要的可拓知识.本文以传导变换和传导效应为基础,规定了传导度和传导知识的定义与类型,为研究传导知识的挖掘奠定理论基础.     

基于粗糙集理论的智能数据分析模型

粗糙集理论作为一种智能数据分析和数据挖掘的新的数学工具,其主要优点在于它不需要任何关于被处理数据的先验或额外知识.提出了一种基于粗糙集理论的智能数据分析模型,从目标数据集出发,通过数据预处理、数据分类和规则获取,实现对原始数据集的智能分析,并通过实例测试验证了该模型的有效性.     

应用图论分析与最优化理论来数据挖掘大规模水牛普里昂蛋白结构数据

图论、最优化理论显然在蛋白质结构的研究中大有用场. 首先, 调查/回顾了研究蛋白质结构的所有图论模型. 其后, 建立了一个图论模型: 让蛋白质的侧链来作为图的顶点, 应用图论的诸如团、 $k$-团、 社群、 枢纽、聚类等概念来建立图的边. 然后, 应用数学最优化的现代摩登数据挖掘算法/方法来分析水牛普里昂蛋白结构的大数据. 成功与令人耳目一新的数值结果将展示给朋友们.     

房地产业上市公司的统计数据挖掘分析研究

应用统计类数据挖掘技术对房地产业上市公司财务进行了分析。即搜集十五个房地产业上市公司的主要财务指标进行因子分析,用提取主成份的方法缩减变数,归纳出影响公司财务状况的四个主要因素。然后,对十五家房地产上市公司进行聚类分析,划分各公司的经营等级。最后,结合因子分析与聚类分析的结果对各公司的经营状况进行了综合评价,并以此指导投资者和经营管理者做出正确的决策。     

面向决策的知识发现或数据挖掘

分析总结了知识发现或数据挖掘的几种比较有价值的应用方向，即发现客户与需求、监测和预测变化、为增效减损的决策提供信息。     

基于模糊评价的学生综合素质挖掘方法

运用数据挖掘思想，运用模糊数学中的综合评判方法对学生信息管理系统中的学生成绩进行挖掘，得到学生综合素质分类，为教育管理中运用数据挖掘这一前沿信息技术提供了示例。