数据挖掘的流程改进和模型应用

针对跨行业数据挖掘标准流程(CRISP-DM)的不足,提出在结果部署和数据理解之间增加连线,从而形成了数据挖掘过程的回环.研究了模型部署的方法,用数据库和批处理文件等技术解决了模型应用于信息系统中的平台限制.以陕西省高校财务风险预警为例,在Clementine上运用支持向量机作为挖掘算法,按照改进的流程进行了实证.改进的数据挖掘流程和实现方法对于数据挖掘模型的广泛使用具有推动作用.

数据挖掘推动客户数据驱动车辆的开发进程

对于汽车等面向消费者的行业,数据驱动的产品开发是一项关键的系统工程。数据驱动方法的前提是数据本身,由于现代车辆的联网能力不断提高,使得汽车制造商能够以内部总线信号的形式记录并储存客户数据。由于这些数据并不用于外部,只用于内部通信以保证车辆的安全性和功能性,这给这些数据的应用带来了一定的困难,因此汽车行业的主要问题在于如何利用数据挖掘技术从这些数据中提取客户需求及相关信息。为此,对上述数据应用问题进行了文献调研,并在此基础上开展数据挖掘的模拟研究,以确定现有数据挖掘过程在需求获取领域的适用性;进而提出一种扩展程序,使得数据挖掘技术能够应用于相关客户数据之中,从而加快车辆开发的进程。

基于CRISP-DM模型的时序预测Web服务设计与实现

基于CRISP-DM(cross-industry standard process for data mining)模型设计与实现了一个时序预测Web服务,对网站资源的下载需求量进行预测。重点阐述了CRISP-DM模型应用于时序预测任务时的设计思想和实现的关键技术。测试结果表明,该时序预测Web服务具有较高的预测准确率,部署快速,使用方便,对解决同类问题具有一定的示范和参考价值。

信息类大学生创新教育对课程教学的影响力分析

以信息类专业大学生创新教育对课程教学的影响力为研究内容,以连续3年来湖南农业大学信息科学技术学院信息类专业学生的成绩与成果等数据为依据,以大学生创新素质的提升方法为蓝本,参考CRISP-DM数据挖掘模型,阐述采用数据挖掘工具SPSS Modeler的K-means聚类算法实现对创新教育准确和有效的聚类细分,探讨大学生创新教育与课程教学的关系,为优化高校信息类人才培养模式提供思路与借鉴。

基于ID3算法的机械制造业决策应用

针对机械制造业中质量管理不规范、决策效率偏低问题,以典型的机械制造企业为切入点,运用ID3决策树算法,以数据挖掘跨行业标准过程(CRISP-DM)对其质量管理信息进行数据挖掘。利用基于信息增益率的计算分类技术,生成了决策树模型,并将该模型在企业资源计划(ERP)中进行了初步实现。通过测试分析,该模型能有效提高管理决策效率,规范处理流程。