数据挖掘中聚类中心问题的光滑化和填充函数方法

本文提出了数据挖掘中求解聚类中心问题的一种新方法.这类问题属于非凸非光滑全局最优化问题.我们首先利用光滑化方法将非光滑聚类函数用光滑函数逼近,然后对光滑化问题利用填充函数搜索其全局最优点.对不同数据库的数值试验表明,本文提出的算法是可行和有效的.     

基于网格技术的孤立点数据挖掘

在算法LOF和GridLOF的基础上提出了改进的GPOD算法，介绍了实行的步骤，给出主要的算法代码，并给出算法的实现部分和实验结果，最后分析了算法的性能，验证了改进后算法的先进性。     

数据挖掘技术在高校教学实践中的应用

阐述了经典的决策树ID3算法,并利用该算法对高校大学物理实验课程学生成绩进行数据挖掘,从中提取有价值的信息,并对得到的结果进行分析,得出了影响学生成绩的原因,为提高高校教学管理水平提供了依据.     

基于模糊聚类算法的客户细分研究

以客户关系为导向的服务经济时代,客户细分是企业判断具有相似特征的客户,并以此为基础有针对性的提供产品及服务的最为有效的手段.利用数据挖掘技术,将模糊聚类算法应用于客户细分中,以此寻找具有相似特征及价值的客户,并在电信行业中进行实证应用.     

基于MCLP的知识挖掘模型在项目管理中的应用

针对项目管理中不同知识的分类和表达模式,提出了一种基于多目标线性规划的知识挖掘模型.该模型在对文本信息预处理的基础上,采用多目标线型规划方法,实现了对可量化信息和不可量化信息的同时挖掘,从而挖掘出更准确的项目知识模式,实现了项目管理中的知识的再利用,并就应用过程中遇到的具体问题进行了探讨.     

K-means聚类算法在企业环境效率评价的应用及R语言实现

根据环境影响评价因子筛选的要求,构建新的企业环境效率评价指标体系,以佛山市企业作为研究对象,利用R语言对其进行K-means的聚类,结果表明该指标体系能够有效的将企业分为8类,分别为:一般性污染企业、危险废物产生企业、废气(SO~2、NOX)污染严重企业、烟尘废气污染严重企业、固废污染严重企业、废气废水设备投入大的绿色企业、废水污染严重企业、废气废水均污染严重企业.     

大学物理网络个性化教学研究

随着计算机网络技术的发展,开发网络教学平台进行教学已成为目前高校提高教学质量的重要的途径之一.但目前现有的网络课程大多在个性化教学、因材施教方面存在诸多问题,本文建议在大学物理网络教学平台的构建中使用数据挖掘技术,为实施个性化教学提供决策支持.本文介绍了数据挖掘技术及其常用方法,并列举了数据挖掘技术在大学物理网络课程中的应用实例.     

基于领域知识的纳税评估方法研究

纳税评估是税务稽查的基础和前提,科学的选案方法是纳税评估的关键。本文提出了一种基于领域知识的纳税评估方法。在领域知识的指导下,通过设计指标体系来提取个体的特征,进而采用聚类分析和统计分析相结合的方法,找出纳税异常的企业,从而完成纳税评估。     

数学建模中的数据挖掘方法

结合我校数模培训和参赛的经验，介绍了数据挖掘中的多元回归分析，主成分分析、人工神经网络等方法在建模中的一些成功应用。     

基于分形理论的股票时序数据离群模式挖掘研究

针对股票时间序列的特点，从离群点对股票时序数据有序性的影响角度出发，在界定分形离群点含义的基础上，利用分形理论将离群模式挖掘理解为一个优化分割问题。采用推广G—P（Grassberger-Procaccia）算法计算股票时间序列数据集的多重分形广义维数，并利用贪婪算法的思想设计了FT-Greedy算法来求解基于分形理论的时间序列离群模式挖掘优化问题的解集。实验证明，该方法能有效地解决股票时间序列离群模式挖掘问题。