克莱门汀计划

克莱门汀号卫星于1994年1月25日从范登堡发射升空,这是20多年来首次月球之行。在低地球轨道上运行9天后,克莱门汀号卫星的固体火箭发动机点火,使卫星进入到250km×125000km的转移轨道。在设计上,固体火箭发动机也作为辐射实验载体,实验是通过在中间级适配器内安置的辐射电子部件完成的。当释放克莱门汀卫星后这个中间级适配器仍保持在该轨道上,而卫星主体提升到远地点为385000km的月球轨道。在经过2.5圈转移轨道之后,克莱门汀卫星于2月19日成功地进入月球轨道。2月21日,发动机点火,把卫星调整到最终的400km×2940km的测绘轨道。该卫星计划在该测绘轨道上停留70多天,然后每天用光谱中的紫外线、可见光和红外线向地球发送约16000幅图象。

Clementine数据挖掘工具在大学生心理健康预测中的应用

利用C5.0算法构建大学生心理健康预测的决策树模型和分类规则,利用SPSS Clementine数据挖掘工具对大学生心理卫生测评数据进行分析,以此对大学生心理健康状态进行了预测。研究发现:大学生的心理健康普遍存在一定的问题,应针对不同症状采取不同的干预措施;强迫症状、精神病性、抑郁、焦虑和人际关系敏感五个属性在大学生心理健康问题中占有较大的比重。

基于光谱分解的Clementine UV/VIS/NIR数据月表矿物填图

月表主要矿物的空间分布是研究月球起源演化等科学问题的重要基础信息之一。基于Hapke模型与光谱线性分解的矿物提取方法,利用Clementine UV/VIS/NIR数据提取月表单斜辉石、斜方辉石、橄榄石、斜长石及钛铁矿等5类主要矿物的体积百分含量分布,并基于阿波罗(Apollo)月岩(壤)矿物分析数据对提取结果进行评价,对方法和提取结果中存在的问题进行分析,提出了进一步改进的措施。

基于SPSS Clementine的关联规则分析在中医药数据挖掘中的应用优势和局限

Clementine是数据挖掘的常用工具之一,在如今中医学领域数据挖掘方面也运用相当广泛,其中它的关联规则分析也是应用最多的挖掘方法之一。本文综述了目前SPSS Clementine关联规则分析方法在中医药研究中运用的概况,主要是对名老中医经验传承、中医病机、症状与中药、医案研究和针灸处方研究等方面的关联规律挖掘,并简要概括了关联规则在中医药研究中存在的诸多不足。在今后运用过程中,不仅仅局限于现有的方面,可以多角度、更深入地有效挖掘更多有用的知识,以期更好指导临床。

一种基于SPSS Clementine关联规则分析联合用药规律的方法

目的通过对我院肿瘤患者使用榄香烯注射液联合用药规律的挖掘,介绍使用SPSS Clementine软件进行关联规则分析的方法。方法收集2016年1月至2018年12月使用榄香烯注射液的出院肿瘤患者,通过医院信息管理系统查看医嘱、病历,询问相关医护人员等,统计使用榄香烯注射液联合用药的信息,逐一介绍使用SPSS Clementine软件进行Apriori算法及关联规则进行关联性分析的方法步骤。结果共952例肿瘤住院患者使用榄香烯注射液。榄香烯注射液与地塞米松、氯化钾、维生素C、维生素B6及泮托拉唑联用最为密切。结论榄香烯注射液联合用药具有一定规律性及合理性,SPSS Clementine关联规则分析可以用于联合用药规律挖掘,从而为临床合理用药提供参考。

基于Clementine和ULCN2005的月球测图研究

为使用嫦娥一号三线阵光学影像进行月球测图,本文研究月球测图的特殊性问题及其解决方案,提出基于Cle-mentine卫星影像数据和ULCN2005月球控制网进行月球测图的方法,应用商业数字摄影测量软件和自主研发的辅助软件系统进行了月球测图实验。该实验选择了月球近南极的一块区域(W109.7°～W163.4°,S69.3°～S84.2°,面积约1.5×105km2),采用10个轨道的60景Clementine的UVVIS影像、408个ULCN2005控制点(其中56个作为检查点)和1337个连接点,建立该区的DTM和地形图,水平中误差和垂直中误差分别为98.639m(0.19pixel)和1003.751m(1.93pixel)。论证基于嫦娥数据生成月球DTM和地形图的可行性。

基于Clementine的图书馆流通数据挖掘

数字图书馆改变了传统图书馆的服务模式,同时也积累了大量的读者信息,为个性化服务提供了数据基础。本文重点研究聚类分析技术及其在图书馆中的应用,利用Clementine的两步聚类模型实现对读者的聚类分析,将读者聚类为消极型、一般型和积极型三种类型,针对不同类型的读者,图书馆可以提供相应的个性化服务。

Clementine在电子商务环境中的数据挖掘应用

针对电子商务环境下对数据挖掘的需求,使用新一代的数据挖掘工具Clementine对具体实例进行处理,给出了数据流形式的挖掘流程,包括应用理解、数据理解、数据准备、应用模型。指出Clementine对电子商务环境下的信息发现具有巨大的发展前景。

Web日志预处理的Clementine方案

利用Clementine完成Web日志预处理数据流的初步构建,实现了数据清洗、用户识别、会话识别、路径补充4大过程,同时具备日志合并、数据审核、规范编码、外部信息关联等辅助功能。实验研究表明,利用Clementine对Web日志进行预处理是完全可行的,这为在该平台上进一步完成挖掘工作奠定了基础,从一定程度上解决了Web日志挖掘与预处理交由不同工具处理的困境,提高了Web日志挖掘的自动化程度。

如何使用数据挖掘工具Clementine——以我国图书情报类期刊学术影响力评价为例

本文首先简要介绍了数据挖掘工具Clementine的特点及若干基本功能(即若干模块),然后以基于《中国期刊高被引指数》(2010年版)收录的我国39本图书情报类期刊开展的期刊学术影响力评价为研究实例,涉及数据规范、导出、排序、分箱等各种常见任务,旨在熟练掌握Clementine的使用方法,并探索其在数据处理任务中的适用性及先进性。

基于Clementine的计算机状态监测研究

数据挖掘技术中的神经网络和C5.0可以用于构建监督和预测的模型。将神经网络和C5.0模型运用于监测计算机的状态信息及识别和预测相关的故障状态。基于Clementine环境,通过采集状态已知情形下的计算机状态数据,作为训练样本来建立神经网络模型和C5.0规则模型,利用另外的实测数据进行检验。结果表明,神经网络的预测正确率是99.64%,而C5.0模型的预测正确率为99.68%,两者预测结果的一致性为99.81%。此外,C5.0模型预测结果的准确性要比神经网络预测结果的准确性高。

Clementine在用户频繁访问路径挖掘中的应用

利用Clementine工具实现用户频繁访问路径的挖掘,包括数据预处理、数据格式转化、挖掘分析等3个过程。基于工具的挖掘,可大大缩减数据预处理和序列挖掘的时间。研究证明,实现用户频繁访问路径的Clementine挖掘是一种行之有效的方法,研究中构建的Clementine数据流可继续完善成为网络日志挖掘的应用模版,适合于更加复杂的行为挖掘。

SPSS Clementine决策树建模在图书馆中的应用

分析影响读者借阅量的因素,确定不同读者的借阅需求,进而依据需求定制差异化的借阅权限和服务。利用SPSS Clementine挖掘工具,采用C5.0决策树算法,对国际关系学院图书馆的读者借阅数据进行挖掘,建立读者决策树分类模型,将读者按借阅频度分为活跃读者、一般读者和沉默读者。结果表明,读者身份、专业、年级和性别对借阅量有重要影响,本科大三学生借阅需求较大,大四学生借阅需求小。决策树分类能对图书馆读者进行细分,可为调整读者借阅权限提供理论依据。

财务困境预测项目的Clementine数据流构建研究

文章以数据挖掘软件Clementine为平台,按照CRISP-DM的六个阶段对财务困境预测项目进行了数据流构建,利用C5.0算法生成的决策树建立预测模型,并对模型结果进行了分析。

数据挖掘工具CLEMENTINE应用

本文主要介绍了数据挖掘工具Clementine,并结合金融业的实际需要,以交叉销售为例,利用可视化的数据挖掘工具建立模型并进行验证与评价。

利用Clementine进行试卷质量分析

借助SPSS Clementine数据挖掘软件,以决策树为数据挖掘方法,对某学校九百余名考生进行分析,通过实例演示,重点介绍了Clementine在试卷分析及教学管理中的应用,包括数据文件的读取、整理,以及相关指标的统计分析及成绩分布图的绘制等,使教师能够借助Clementine对日常的考试试卷进行必要的分析。帮助广大教师掌握试卷的定量分析技术,提高教师独立分析试卷的水平,从而更好地服务于教学管理。

Clementine数据挖掘工具在计算机等级考试成绩中的应用

影响成绩的因素很多,针对高校计算机等级考试支持偏低的现状,早期采用传统的决策树人工算法效率低,提出可视化数据挖掘工具SPSS Clementine技术,利用该技术中的决策树算法对近三年学生计算机等级成绩进行分析,快速建立了成绩分析决策树模型,找出影响成绩的潜在因素,为学生学习和个性化教学提供参考。

利用clementine对陆地棉双列杂交试验品质性状的数据挖掘

该研究运用clementine数据挖掘工具,对双列杂交试验各亲本及组合的品质数据进行主成分分析与聚类分析,结果表明,前3个主成分分量的方差分别为1.903,1.430,1.024,其累计方差贡献率为87.142%,大于85%;5个聚类类别在整体样本中各自所含样本比率为聚类1>聚类5>聚类4>聚类2>聚类3,且3个主成分分量对于各聚类类别的重要性都较高。

巧用Clementine简化数据处理

用著名的数据挖掘工具Clementine处理数据有些大材小用,但它的确比Excel更易用、更高效,处理数据时不需要翻看复杂的编程手册、在Excel表中拉滚动条、选择各种函数等。以国家科技文献中心(NSTL)签到数据上传处理为研究实例,涉及数据查重、规范、筛选、映射、比对、频次统计等各种常见任务,介绍了如何根据不同处理需求定制相应Clementine数据流和Clementine工具在海量数据处理中的优势。

基于Clementine的数据挖掘模型评估

本文采用Clementine数据挖掘工具生成了某商业银行的客户响应具体模型,并评估了所生成的模型。通过分析报告和评估图的方式,最终比较了决策表、神经网络和决策树C5.0算法预测的效果。