基于改进K-means算法的RFAT客户细分研究

为了解决传统K-means算法对初始聚类中心敏感和聚类数目事先难以确定的问题,提出了一种改进的K-means算法。改进算法利用最大距离等分策略来选取初始聚类中心,并利用一种评价函数来自动确定聚类数,减少了算法结果对参数的依赖。将改进算法应用到某企业客户分类中时,为提高分类结果的表征性,提出了以客户最近购买时间(Recency)、购买频次(Frequency)、平均购买额(Average Monetary)和购买倾向(Trend)作为客户价值细分变量的RFAT(Recency,frequency,average monetary and trend)模型,对客户RFAT值进行了聚类分析,并提供了针对不同客户群的营销策略。实证研究表明,该文所提出的改进算法和模型可以有效地对企业客户进行分类,能充分反映客户的当前价值和增值潜能。

基于矩阵的不确定数据频繁项集快速挖掘算法

针对CUF-growth算法中项集的期望支持度估算值过大,且挖掘过程中需要反复递归构造条件CUF-tree导致挖掘效率降低这一问题,提出UFIM-Matrix(Uncertain frequent itemset mining-matrix)算法。该算法不需要建立树结构,而是利用计算项集估算期望支持度的新方法和矩阵结构来产生规模更小候选项集,能在一定程度上减少计算开销,提高挖掘效率。最后的实验结果也表明了新算法性能更优。

VB程序设计课程教学改革与实践

公共计算机程序设计基础课在高校教学中有着重要的地位。VB作为高校公共计算机程序设计基础课的一门主干课程,本身枯燥、难懂,如何在计算机程序设计基础课教学中,找到可以提高学生学习兴趣和学习效率的教学方法,是广大计算机教师需要不断探索的课题。笔者结合自己的教学实践和探索,阐述了VB程序设计教学中的几点看法,经实践证明,可以有效地提高教学质量。

数据挖掘在SQL Server2005中的应用

本文首先介绍了数据挖掘的概念和处理过程，然后介绍了SQL Server2005中的数据挖掘功能，最后给出了在SQL Server2005中实现数据挖掘项目的整个流程。

数据挖掘技术在教育领域中的作用

在对数据挖掘技术的概念、挖掘过程、和主要功能等知识进行简单介绍的基础上,探讨了其在成绩分析、智能题库、教育评价、教育管理等方面的应用。

频繁项集高效挖掘算法研究

为进一步提高频繁项集挖掘算法的可扩展性,对频繁项集的搜索空间以及FP-tree的操作方法进行了研究。在此基础上提出了基于frequent-pattern链表的高效频繁项集挖掘算法FPL-Growth。FPL-Growth运用递增构建候选项集策略和Apriori性质来缩小搜索空间,运用交叉计数方法快速获取频繁项集的支持数。最后的实验证明了该算法的有效性。

结对编程在程序设计语言实践教学中的应用

结对编程是敏捷地和基于实践的软件开发方法。在程序设计课程的传统实践教学中,学生之间往往缺乏彼此的有效互动,从而不能完成实践教学的任务,甚至失去对课程的信心。笔者提出一种将结对编程运用于程序设计语言实践教学中的方案,并通过实验证明该方案可以有效提高学生的学习效率。

PBL+SBL在计算机公共课程教学中的应用

问题本位学习教学法,培养学习者主动探索研究、批判性思考和合作学习等相关能力,学生通过小组讨论的过程,学习建构知识和培养解决问题的能力。文章通过对当前计算机公共课程教学中存在的问题进行分析,提出一种基于PBL+SBL的新教学模式,旨在提高计算机公共课程教学质量和效率。

翻转课堂在成人《计算机基础》课程教学中的应用研究

针对现行成人《计算机基础》教学模式中存在的问题,设计出适用于成人教学的翻转课堂教学模型.采用实验探究法,将翻转课堂教学模式应用在成人《计算机基础》课程教学中,实践结果显示翻转课堂能显著优化学生的学习成效.

基于FP-forest的并行频繁项集挖掘算法

在研究传统挖掘频繁项集并行算法的基础上,提出一种以FP-forest为基础的高效能并行挖掘算法FPPMA(FP-forest based high-effect Parallel Mining Algorithm)。此算法中,各运算节点只需要和核心节点之间传递少量信息,而无需和其他运算节点通信,减少了通信费用。此外,运算节点不需要同步和交换数据就可独立挖掘出全局频繁项集。

基于单次扫描无构造调节的频繁模式挖掘算法

研究频繁项集模式挖掘优化问题。传统的挖掘算法常产生大规模的候选项集,并且反复扫描数据库,导致频繁项集挖掘时间过长,空间效率太低。为了改进频繁项集挖掘时时间与空间效率低的问题,提出一种高效频繁项集挖掘算法CPT-Mine。此算法利用编码模式树存储事务数据库中的频繁项集信息,构建FP数组,加快产生频繁项集,引入CPT-Mine算法,快速地挖掘数据库中所包含的频繁项集,无需递归构造条件模式树,只需两次扫描数据库即可生成所有频繁项集。最后的实验证明了该算法能缩短挖掘时间3～10 s,空间效率提高43%。

基于FP-矩阵的频繁项集挖掘算法

针对频繁项集挖掘时间与空间效率低的问题,提出一种基于FP-矩阵的高效频繁项集挖掘算法。用此算法构造FP-矩阵压缩事务数据库,无需递归构造条件模式树,仅需3次扫描数据库即可生成所有频繁项集。最后的实验证明了该算法的有效性。

基于微视频的翻转课堂在论文写作与编排课程中的实践

论文写作与编排是一门课时少、内容多且实践性强的课程。本文结合常州工学院实际教学工作,分析教学过程中出现的问题,有针对性地给出了"基于微视频的翻转课堂"教学模式,即在课外,学生通过微信公众号观看微视频进行自主学习;在课上,教师采用讨论交流、专题讲座和综合实训来强化课程的实践应用。教学实验表明该模式既激发学生主动学习的热情,又激发学生的思维能力,使学生学习能力得到提高,应用能力也得到实际锻炼。

数据挖掘组件的设计和实现

如今,以爆炸性速度增长的数据使得人们迫切需要一种自动化的数据挖掘工具用于将大量数据转变为有价值的信息和知识。该文提出一种数据挖掘组件的设计方案,介绍利用数据挖掘组件在MovieClick数据库上进行的数据挖掘实验。

大数据分析技术在海量激光图像检索中的应用

为解决海量激光图像的检索问题,提出基于大数据分析的海量激光图像检索方法。大数据分析技术中的HDFS采用一个NameNode与数个DataNode组合的运行方式,将海量激光图像特征数据存储在HDFS中;采用基于MapReduce程序与相似度计算方法检索海量激光图像,利用Map读取存储在HDFS中的海量激光图像特征数据,并转换为Key/Value形式的数据特征,在Reduce任务中采用相似度计算方法获取HDFS中海量激光图像特征的形状、纹理、颜色相似度并排序,排序结果则为激光图像检索结果。实验结果表明,所提方法计算的激光图像特征相似度误差较小,检索海量激光图像过程中,所提方法具有高查全率、高查准率的优势,是一种高性能的海量激光图像检索方法。

Python教学模式与方法的探索

Python已成为很多高校非计算机专业程序设计的入门语言,但教学中普遍存在着考试命题科学性较差、成绩评定随意、公共课批卷工作量大、忽视问题导向、难以激发学生兴趣等问题。针对以上问题进行了教学研究与探索,开发了Python课程的试题库软件、创新了教学模式、分专业制定了教学方案,多措并举,致力于提高学生的综合素养和能力。

翻转课堂在“计算机语言VB”课程中的运用

构建一个适合"计算机语言VB"课程的二阶段翻转课堂模型,颠倒了传统的教学流程和教学角色的设定,将VB课堂分成课前学生自主学习和课中项目化活动学习两部分。通过对实际教学对象的跟踪调查,得出翻转课堂教学模式的运用能够减少学生学习差异,提高课程的平均成绩的结论。