一种基于决策树的多属性分类方法

通过分析对象属性的关系,在建立属性列表的基础上,简化有效属性,同时利用分组计数的方法统计属性取值的类别分布信息,提出了一个基于决策树的两阶段多属性分类算法,可以有效地提高发现分类规则的准确性。最后给出了相应的具体算法。

基于数据仓库的高效关联规则的挖掘

提出在基于数据仓库的关联规则发现中生成最小关联规则集来代替完全关联规则集，最小关联规则集必须具备两个条件：(1)最小关联规则集是最小、最简单的关联规则集合；(2)最小关联规则集与完全关联规则集有相同的置信度。通过最小关联规则集，可以有效地剪除弱关联规则，大幅度减少候选频繁项目集，从而提高规则发现效率。最后，在传统经典算法Apriori基础上设计了一个相应的高效算法。

基于层次模型的智能数据挖掘框架及其模型

在层次模型的基础上，提出了一个智能数据挖掘的开发框架，包括问题识别层、任 务层、应用层和用户层等多层概念。在这个框架中，建立了一个智能数据挖掘模型,它由4个 层次和11部分组成，其中中央处理单元、辅助选择、数据库交互平台和功能组合平台共同构 成一个中间智能件。

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。

一种基于智能中间件的综合GDSS框架模型

针对群体决策分析的过程和特点,在传统中间件的基础上,增加知识库的相关内容和方法,获得一个由中央处理单元、辅助选择、功能组合平台和知识库交互平台构成的智能中间件,并提出一个基于智能中间件的综合群体决策支持系统框架模型。在该框架模型中,将知识发现、知识管理和群体决策支持系统相互结合,集智能中间件、知识发现技术于一体,系统分为三个层面:用户层、管理层和分析层,分别对应于用户交互、知识管理和知识挖掘三个平台,并给出了三个平台的框架结构和功能。最后,通过具体实例讨论了该系统框架模型的应用。

基于DEA的企业绩效评价方法

以效率观点为切入点,引入数据包络分析(DEA)评价方法对企业经营绩效进行综合评价,提出了基于DEA的绩效评价内容,分析了其评价框架与步骤,为企业绩效评估问题提供了一条新的思路。

基于CMM的系统开发全面质量管理研究

信息系统开发质量研究是一个较前沿的课题。如何找到一条切实可行的途径来提高信息系统开发质量 ,是研究的重点。本文从组织层面的角度出发 ,在 CMM的基础上建立系统开发质量的概念模型。通过对模型中变量的分析 ,我们发现系统开发人员的能力和系统开发过程成熟度是直接影响系统开发质量的主要因素。最后借用 TQM的管理思想 ,提出系统开发全面质量管理 (SDTQM)的框架 ,强调系统开发中全员参与、全过程控制和系统开发质量的全面管理 ,做到事前主动 ,持续改进。

决策支持系统中数据访问语言的研究

通过对目前面向问题求解的决策支持系统中数据访问机制的研究 ,设计了一种数据访问语言 (DAL)及其解释模型 ,从而通过在数据需求和数据存储之间添加数据语义层 ,提供了统一的数据访问接口 ,提高了决策问题求解的有效性和EUD模式的可行性。

基于全员目标管理的系统分析与功能设计

本文主要介绍了全员目标管理的概念、业务流程以及其特点。同时,结合中国长城铝业公司的实际情况,阐述了其全员目标管理系统的分析、设计和开发以及系统软件的功能特点,在C/S模式下实现了该系统的全部功能,并讨论了系统实施的关键技术。

试论湖南高校爱心基金会的可行度及建议

湖南省不管在文化背景、社会基础、经济条件上都完全有能力支撑高柱爱心基金会的运作，并且高校爱心基金会有自己本身的特点和优势。扎根于湖南高校学生的爱心基金会完全可以存活并壮大起来。针对高校爱心基金会的架构。笔者从基本理念，基本原则和特色等几个大方面提出了一点建议。

数据库内嵌包的过程重载

论述了CLIENT/SERVER 环境下数据库内嵌包的概念和内容,着重探讨了C/S 模型下内嵌包过程重载的设计思想及其实现,并以ORACLE 数据库系统为技术支持给出了相应的实例。

Mining association rule efficiently based on data warehouse

The conventional complete association rule set was replaced by the least association rule set in data warehouse association rule mining process. The least association rule set should comply with two requirements: 1) it should be the minimal and the simplest association rule set; 2) its predictive power should in no way be weaker than that of the complete association rule set so that the precision of the association rule set analysis can be guaranteed. By adopting the least association rule set, the pruning of weak rules can be effectively carried out so as to greatly reduce the number of frequent itemset, and therefore improve the mining efficiency. Finally, based on the classical Apriori algorithm, the upward closure property of weak rules is utilized to develop a corresponding efficient algorithm.