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。

聚类分析在电信客户细分中的应用

电信企业掌握着大量的客户数据,需要将企业的数据优势转化为企业的竞争优势,使客户收益最大化。本文以CRISP-DM(Cross-Industry Standard Process for Data Mining)方法论为基础,探讨聚类分析技术在电信客户细分领域的应用,并结合电信业的基础数据应用Clementine挖掘工具建立了客户细分模型,对电信市场进行有效地划分。

关联规则挖掘在大学生心理健康测评系统中的应用研究

为深入了解影响大学生心理健康的主要因素以及心理症状之间的关联关系,将关联规则挖掘应用于大学生心理健康测评数据。先对原始数据进行预处理,再以Clementine 12.0为平台,建立大学生心理多维关联规则挖掘模型;以福建省某高校2011级的学生心理测试数据为基础,应用构建的模型分析了性别、独生子女、来源地、学生干部、家庭结构、家庭月收入6个属性和大学生九维心理症状间的关联关系。根据挖掘结果可以更深入地了解学生心理健康问题,为高校开展大学生心理健康教育的规划、决策提供依据。

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。

数据挖掘课程案例教学研究

数据挖掘是一门交叉性学科,是情报学专业的重要课程之一。它主要介绍数据挖掘的基本概念、原理、方法和技术,涉及多个学科和算法因而教学难度较大。由于数据挖掘学科交叉性强涉及的挖掘方法和相关算法多并繁杂,造成学生对数据挖掘的整体工作流程缺乏了解形成"不识庐山真面目只缘身在此山中"现象。文中以时间序列服装销售额预测挖掘项目为教学案例让学生首先掌握数据挖掘的标准流程,重点讲解用到的相关挖掘方法和算法及其在实际挖掘环境中的开发方法,达到"会当临绝顶一览众山小"的教学目标。通过教学实践教学效果良好。

月地岩矿光谱特征对比及月表信息提取方法简介

分析了月、地同类岩石矿物的光谱特征差异,对比了遥感地质信息提取方法和模型的适用性。利用Clemen-tine UV—VIS(紫外—可见光)数据,以月表典型撞击坑Aristillus(阿里斯基尔)和典型月海Humorum(湿海)为研究区,对月球表面岩矿信息提取方法进行了初步实践。

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。

基于时间序列的全社会货运量预测及分析

为提高货运量预测方法的精确度,提出一种基于时间序列的预测方法。采用"专家建模",使得系统能够自动为时间序列查找拟合最好的模型,简化了预测过程和建模速度。根据国家统计局提供的我国2009年1月至2013年3月全社会货运量的月度统计数据,利用提出的建模方法,对2013年4月至12月的全社会铁路、公路、水路、民航以及总的货运量进行预测分析,为我国制定物流发展计划,为分析我国物流市场态势提供定量数据,并分析了该"专家建模"模型的有效性和可行性。

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.

基于两步聚类分析方法的ARP系统用户分析

随着信息技术的高速发展,聚类分析方法在客户分类中得到越来越多的应用。本文借助SPSS Clementine 12.0软件,使用两步聚类分析方法对中国科学院资源规划项目(Academia Resource Planning,ARP)系统用户进行聚类分析。总结各类用户的特点,剖析聚类结果的原因,并针对不同类型用户存在问题提出了具体的解决建议。旨在更好地进行用户管理、客户关系的建立,进而为提升系统使用效果和服务水平提供参考依据。

数据挖掘技术及其应用现状

本文对数据挖掘技术进行了回顾,介绍了目前在数据挖掘中常用的方法和工具,列举了它的一些应用,指出了数据挖掘中存在的一些问题。

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。

客户流失预测模型设计与实现

有效地防止用户流失,降低流失率成为目前各个电信运营商急需解决的难题。本模型依据数据挖掘原理,以CRISP_DM(Cross-industryStandard Process for Data Mining)建模过程为框架,以与某地联通公司合作的"电信客户流失预测系统"项目为依托,利用挖掘软件SPSS Clementine 8.0逐步建模,实现了电信行业客户流失预测系统。

可视化数据挖掘在碎屑岩储层研究中的应用

针对储层研究过程中碎屑岩数据爆炸而知识缺乏的问题,引入数据挖掘思想,结合地理信息系统及Excel二次开发工具,应用Clementine软件对数据进行提取与处理,实现了数据挖掘过程的可视化.借助数据挖掘工具进行砂岩三角形图解的自动化投点和岩性识别,从而实现数据挖掘结果的可视化.

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。

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。