关键词： 数据挖掘   缺失值   朴素贝叶斯分类器   Robust   交叉验证  

摘要： 由于数据挖掘技术日益广泛地应用于各个领域,而大多数领域中数据都存在缺失值,因此基于缺失数据的数据挖掘方法的研究具有重要意义.利用直接删除、特殊值填充、平均值填充、Robust方法4种处理缺失值的方法建立4个缺失值处理模型以及相应的朴素贝叶斯分类器模型.通过在5个实际数据集上进行实验比较,并采用五重交叉验证来检验这些模型的性能.结果表明,用这些模型处理缺失值构建的朴素贝叶斯分类器是有效的.

关键词： 数据挖掘技术   顾客   数据分析   数据处理   数据库系统   消费量  

摘要： 随着网络技术的迅速发展以及数据库系统的广泛应用,人们积累的数据越来越多,激增的数据中有大量重要信息。目前的数据库系统虽然可以高效地实现数据的录入、查询、统计等功能,但无法发现数据中存在的关联和规则,无法根据现有的数据预测未来的发展趋势,缺乏挖掘数据背后隐藏的知（共3页)

关键词： 数据分析   软件   数据处理   统计分析方法   Insightful   数据挖掘  

摘要： Insightful公司是一家专注于数据分析与数据挖掘工作平台的软件公司,其旗舰产品S-PLUS已经有18年的使用历史。S-PLUS及其延伸模块具有最丰富、现代的统计分析方法库,与那些偏重某一行业的统计分析软件不同,它覆盖统计分析应用的大多数领域,是唯一可以与SAS在统计分析与数据挖掘领域相提并论的商业级平台软件。其极高的性价比与永久使用权安排使之更适合中国用户。2003年Insightful公司正式进入中国,迅速受到国内数据分析用户的欢迎。S-PLUS在统计分析与数据挖掘方面功能不亚于SAS,但无需年费,永久

关键词： 数据挖掘   数据处理   数据库语言   定义   信息交换   信息技术   多媒体   结构化询问语言  

标准号: ISO/IEC 13249-6-2006

摘要： ISO/IEC 13249 defines a number of packages of generic data types common to various kinds of dataused in multimedia and application areas, to enable that data to be stored and manipulated in an *** part of ISO/IEC 13249a) introduces the data mining part of ISO/IEC 13249,b) gives the references necessary for this part of ISO/IEC 13249,c) defines notations and conventions specific to this part of ISO/IEC 13249,d) defines concepts specific to this part of ISO/IEC 13249,e) defines data mining user-defined types and their associated *** data mining user-defined types defined in this part adhere to the following.— A data mining user-defined type is generic to data mining data handling. It addresses the need tostore, manage and retrieve information based on elements such as data mining models, data miningsettings, and data mining test results.— A data mining user-defined type does not redefine the database language SQL directly or incombination with another data mining data type.

关键词： 工业过程   数据处理   数据挖掘  

摘要： 该文介绍了复杂工业过程传统研究方法及复杂工业过程数据处理的困难,对如何将数据挖掘应用于工业过程,实现过程建模及优化的一般步骤进行了综述。

关键词： 交通流   数据处理   数据融合   数据挖掘  

摘要： 交通流数据处理系统为路网服务水平评价、最佳路径计算等提供了可靠的数据。分析了交通流数据处理需求,设计了集成数据采集、不精确数据校正、错误数据限定、丢失数据恢复、多传感器数据融合和数据分类功能的交通流数据处理系统,并介绍了系统总体结构和开发结果。

关键词： 问卷设计   市场调查   实践课   数据分析   调查问卷   调查活动   数据挖掘   数据处理   调查结果   实施情况  

摘要： 调查活动主要是调查问卷的设计与数据的处理。问卷设计的难点在于用什么样的指标将调查的目的与内容体现出来,数据处理的难点是进行数据挖掘,使调查获得的第一手资料通过系列分组能展现出调查对象的特征。本文通过大学生人生观伦理观的调查案例,阐述了市场调查实践课的调查方案设计的基本思想及其调查结果分析,重点介绍了问卷的设计与数据的处理以及调查的实施情况。

关键词： 缺失数据处理   归因模型   健壮性决策树   数据挖掘  

摘要： 本论文重点研究缺失数据的归因技术，及在缺失数据环境下的健壮性决策树模型改进。\n 关于缺失数据的灵敏度分析显示，数据集中的缺失数据对所有分类器的预测准确率都有明显的冲击。不过缺失数据对朴素贝叶斯分类器(NaiveBayesianClassifier，NBC)的影响非常小。NBC的这种特性使得该分类器特别适用于构造缺失数据的归因模型。\n 对缺失数据进行处理是数据挖掘过程中一个重要的工作。归因技术是处理缺失数据的流行方法。论文提出了NBI归因模型。NBI归因模型确定需要进行归因的属性，然后将归因属性作为目标属性，建立NBC分类模型，将归因问题转换为分类问题。最后，利用己建立的NBC分类模型预测属性的缺失值，并用预测值替换缺失值，完成归因过程。\n NBI归因模型策略有顺序无关策略、顺序相关策略及混合策略，建议采用顺序无关策略。选取归因属性需要考虑两个方面的因素：属性所含缺失数据的比例，及属性对数据挖掘任务的重要程度。NBI归因模型采用基于信息增益值的属性重要因子和基于决策树结构的属性重要因子确定归因属性的重要程度。论文还采用统一的属性变量选择策略进行NBI归因模型的性能改进。\n NBI归因模型的实验结果显示NBI的性能优于流行的C4.5内置模型和均值/众数归因法，而且随着缺失数据比例的提高，NBI的归因效果更为明显。无论归因属性的个数有多少，仅仅需要对数据库一遍扫描便可建立NBI归因模型，这对于大型数据库而言，特别是有较多归因属性的情形下，NBI的高效具有十分重要的意义。相对于流行的归因方法，NBI在具有高缺失数据比例的数据集上优势最为明显。\n C4.5决策树模型是最为流行和成功的分类模型，常作为分类问题研究与分析的参考基准。评分函数用于对决策树模型进行评估。预测收益可作为预测准确率指标的补充和完善。针对决策树模型的改进，论文还提出了决策树改进模型的评分函数，用于反映模型的改进程度。\n 针对C4.5决策树模型存在的缺陷，如：可解释性降低、空枝问题、无贡献分枝、过度拟合等，论文提出了健壮有效的R-C4.5决策树改进模型。该模型基于C4.5决策树模型，但在分枝过程中，合并信息熵值较高的部分分枝，即对分类贡献较小的分枝，通过合并，有效避免了碎片问题。同时，还提出了R-C4.5的简化版本。与C4.5相比，R-C4.5生成的树在保持分类预测准确率的前提下，具有更少的节点，减少了出现过度拟合的可能。通过对缺失数据的灵敏度分析，实验发现随着数据集中缺失数据比率的增加，相对于C4.5，R-C4.5对缺失数据不敏感，预测准确率的下降趋势较C4.

关键词： 数据仓库   数据挖掘   数据库   商业智能   数据处理  

摘要： 一、商业智能概述商业智能(Business Intelligence)对于身处IT和业务领先领域的技术和业务人员而言,用尽人皆知来描述可能言过其实,但相信绝大多数人已对此有一定了解.事实上,很多人对于商业智能已有深入研究,并取得了一定的成果.但是,目前国内这一技术的成功应用案例并不多见,原因何在?

关键词： 数据仓库   数据挖掘   神经元网络   BP网络   共轭梯度下降算法   数据处理  

摘要： 数据挖掘是近几年随着信息化程度日益加强所产生的新兴技术。它通过一定的信息技术和算法，从存有海量数据的数据仓库中搜索有价值的潜在信息，为企业的决策提供一定的参考。\n 在数据挖掘所采用的众多算法中，神经网络以其自适应性好，非线性处理能力强，可并行处理等特点受到技术人员的极大欢迎，得到了较大程度的应用。\n 本文主要完成的是以上海证券交易所的交易数据为内容建立数据仓库，以神经网络中的BP网络作为数据挖掘的基本算法，以每日各类上榜股票的数据作为样本数据对神经网络进行训练，并用该网络对数据仓库中的股票数据进行挖掘分类，以作为对各支股票价格走势的预测参考。\n 第一章介绍了数据挖掘的现实意义及其历史发展状况。第二章对数据挖掘的常用算法进行了介绍，包括决策树算法、遗传算法、神经网络算法、关联规则算法，着重介绍了神经网络算法及其在数据挖掘领域的现有应用状况。第三章介绍了对本次研究实验的背景进行简单的介绍。第四章是本次实验方案的设计，包括目标的设定、实验系统的基本设计、数据仓库的设计、模型原形和神经网络算法的设计。第五章简要介绍了应用实现的过程，包括数据采集、数据仓库的建立、数据的处理、数据与目标的相关性分析以及模型和算法的实施，在实施的过程中对几种方案的结果进行分析和评价，根据这些实验结果的分析评价确定最终的模型和算法。第六章对最终方案的实验结果进行分析和评价，并提出改进措施。