- 一级分类：
- 全部 计算机 高等教育 金融/投资/证券 医药卫生 汽车/机械/制造 外语学习 报告/分析 法律/法规/法学 研究生考试 电子工程/通信技术 经济/贸易/财会 建筑/施工 幼儿/小学教育 中学教育 文学/历史/军事/艺术 资格/认证考试 人力资源/企业管理 学术论文 行业资料 办公文档 生活休闲
- 二级分类：
- SEO 计算机应用/办公自动化 .NET 数据结构与算法 Java C/C++资料 linux/Unix相关 手机开发 UML理论/建模 并行计算/云计算 嵌入式开发 windows相关 软件工程 管理系统 开发文档 图形图像 通信/网络 网络信息安全 电子支付 Labview matlab 网络资源 Python Delphi/Perl 评测 flash设计与制作 CSS/Script 计算机原理 PHP资料 数据挖掘与模式识别 Web服务 数据库 Visual Basic 电子商务 服务器 搜索引擎优化 存储技术 架构 行业软件 人工智能 计算机辅助设计 多媒体 软件测试 计算机硬件与维护 网站策划 网页设计/UI 网吧管理
HIS构架及基于HIS的数据挖掘的开题报告.docx
HIS构架及基于HIS的数据挖掘的开题报告题目：HIS构架及基于HIS的数据挖掘一、选题背景随着信息技术的不断发展，医疗信息化已经成为了医疗行业的重要趋势，医院信息化建设也已经成为了医疗机构必须面对的问题。医院信息化系统（HIS）是医院信息化建设的核心，是医院内部管理和外部业务协作的重要手段。HIS的数据处理能力和应用功能已经成为了医院信息化建设的重要标志。同时，随着HIS建设的不断深入，海量的医疗数据也被积累起来，提供了丰富的数据资源，为数据挖掘提供了广阔的空间。因此，通过构建HIS架构并基于HIS进行
Web数据挖掘在电子商务的应用论文.docx
Web数据挖掘在电子商务的应用论文电子商务中的数据挖掘即Web挖掘，是利用数据挖掘技术从www的资源(即Web文档)和行为(即Web服务)中自动发现并提取感兴趣的、有用的模式和隐含的信息，它是一项综合技术，涉及到Internet技术学、人工智能等多个领域。当电子商务在企业中得到应用时，企业信息系统将产生大量数据，并且迫切需要将这些数据转换成有用的信息，为企业创造更多潜在的利润，数据挖掘概念就是从这样的商业角度开发出来的。2Web数据挖掘的流程Web数据挖掘是对商业数据库中的大量业务数据进行抽取、转换、分析
地表变形监测数据挖掘的任务书.docx
地表变形监测数据挖掘的任务书任务描述：地表变形监测数据挖掘的任务是基于多源地表变形监测数据，利用数据挖掘技术，实现地面变形趋势的识别和预测。任务的核心是利用地面变形监测数据，挖掘地面变形规律，预测将来可能出现的地面变形趋势。任务包括了数据处理、特征挖掘、模型构建和预测推理四个方面。任务要求：1.数据处理：对原始数据进行清洗、筛选和融合，确保数据的质量和准确性。2.特征挖掘：探索地表变形监测数据中的相关特征，并通过挖掘确定对地面变形具有影响的因素。3.模型构建：基于地表变形监测数据，构建预测模型。常用的模型
流数据异常挖掘算法研究的开题报告.docx
流数据异常挖掘算法研究的开题报告一、选题背景及意义随着各种互联网应用的普及和数据采集技术的不断发展，大量的数据源涌现出来，使得数据分析和挖掘变得日益重要。其中，流数据异常挖掘在实时性和准确性方面具有重要的应用价值和研究意义。在实际生产和科研中，很多时候我们需要对数据进行实时监测，以便发现可能存在的异常情况，及时采取相应的措施，以保障整个系统的正常运行。随着数据体量的增加和数据流的加速，传统的数据挖掘算法已经无法满足数据流实时处理的需求，对于这种流数据异常检测问题，需要结合实时性和高效性进行相应的研究和算法
基于数据挖掘的数据库安全检测研究的开题报告.docx
基于数据挖掘的数据库安全检测研究的开题报告一、选题背景及意义随着信息技术的快速发展，数据库已成为企业重要的管理工具和信息存储媒介。然而，随着数据库规模的不断扩大和互联网的高速发展，数据库安全问题日益突出，给企业的信息资产造成了严重的威胁。由于数据库的复杂性和不断更新的漏洞，传统的安全策略已经无法保证数据库的安全性。此时，为了避免恶意攻击者利用漏洞入侵数据库，需要强化数据库安全检测技术。数据挖掘技术具有擅长处理大量数据的能力，可以在大数据环境下挖掘出一些有用的信息和规律，对于保护数据库安全具有重要作用。本文
基于元数据的数据挖掘中间层的研究的中期报告.docx
基于元数据的数据挖掘中间层的研究的中期报告一、研究背景元数据是数据管理与数据分析中非常重要的组成部分，包含了描述数据的所有信息，如数据来源、数据类型、数据结构、数据质量等。在大数据时代，元数据的重要性更加凸显，让数据的管理和应用变得更加高效和精确。然而，由于现有的数据仓库系统中元数据的管理和应用存在一些问题，如元数据的不统一、元数据与实际数据不一致等，这些问题导致了数据挖掘过程中的低效率、低准确度等问题。因此，研究基于元数据的数据挖掘中间层，以解决这些问题是很有价值的。二、研究目标本研究旨在设计并实现一个
SVM在数据挖掘中的应用的中期报告.docx
SVM在数据挖掘中的应用的中期报告SVM（支持向量机）是一种基于统计学习的机器学习算法，其在数据挖掘中有着广泛的应用。本文将介绍SVM在数据挖掘中的应用，并探讨其优势和局限性，最后讨论未来发展趋势。一、SVM在数据挖掘中的应用1.分类问题SVM能够处理二分类问题和多分类问题。在二分类问题中，SVM通过寻找一个超平面来划分两个类别。而在多分类问题中，SVM通过多个二分类SVM对不同类别进行分类。2.回归问题SVM也可以用于解决回归问题，其本质是一种拟合直线或平面的方法。在回归问题中，SVM通过将数据点映射到
基于医学影像数据的多元模式识别分析的中期报告.docx
基于医学影像数据的多元模式识别分析的中期报告针对基于医学影像数据的多元模式识别分析课题，本人进行了大量的文献研究和实验工作，并在此中期报告中对课题进行了总结和说明。1.研究背景与意义医学影像技术在现代医疗中发挥了越来越重要的作用，可以对人体内部结构、生理功能和病理状态等做出准确的评估和分析。然而，随着医学影像数据规模的不断增大和医学知识的不断积累，医学影像的人工解读已经面临着诸多挑战，因此需要借助先进的计算机视觉和机器学习技术来辅助医生进行影像诊断和治疗决策，提高医疗效率和诊疗准确率。多元模式识别是一种将
基于医学影像数据的多元模式识别分析的开题报告.docx
基于医学影像数据的多元模式识别分析的开题报告开题报告：基于医学影像数据的多元模式识别分析1、研究背景和意义医学影像数据是医学领域中不可或缺的一部分，它可以帮助医生进行诊断、治疗和研究。然而，随着医学成像技术和数据采集技术的不断发展，医学影像数据规模不断增加，如何从这些数据中提取有用的信息成为了一个重要的研究方向。多元模式识别分析（multivariatepatternanalysis,MVPA）是一种利用多个影像特征的模式识别方法，它可以将不同的影像特征结合起来，提高分类器的性能。近年来，越来越多的研究开
数据挖掘分类和预测学习教案.pptx
会计学分类(fēnlèi)VS.预测分类(fēnlèi)和预测---示例数据分类(fēnlèi)——一个两步过程(1)数据分类(fēnlèi)——一个两步过程(2)第一步——建立(jiànlì)模型第二步——用模型进行(jìnxíng)分类监督(jiāndū)学习VS.无监督(jiāndū)学习数据预测(yùcè)的两步过程准备分类和预测(yùcè)的数据比较分类(fēnlèi)方法用决策树归纳(guīnà)分类(1)用决策树归纳(guīnà)分类(2)决策树归纳(guīnà)策略(1)决策树归纳(guī
数据挖掘主要方法转自新浪博客.doc
数据挖掘主要方法转自新浪博客根据数据挖掘的任务分，有如下几种：分类或预测模型数据挖掘、数据总结、数据聚类、关联规则发现、序列模式发现、依赖关系或依赖模型发现、异常和趋势发现等等。根据数据挖掘的对象分，有如下若干种数据源：关系数据库、面向对象数据库、空间数据库、时态数据库、文本数据源、多媒体数据、异质数据库、遗产（legacy）数据库，以及Web数据源。根据数据挖掘的方法分，可粗分为：统计方法、机器学习方法、神经网络方法和数据库方法。统计方法中，可细分为：回归分析（多元回归、自回归等）、判别分析（贝叶斯判别
某公司数据挖掘整体解决方案.pptx
金矿就在您的脚下——基于数据挖掘技术的精确智能营销华院分析公司简介华院分析为客户提供数据挖掘整体解决方案华院分析团队介绍在中国移动集团内部的主要工作介绍议题移动通信市场竞争迫使移动由规模型发展向规模效益型发展转型价格战与渠道的唯利是图导致移动公司深陷“价格漩涡”虚增放号与不稳定的用户群体进一步增大了销售成本客户离网正严重影响着中移动的收入与利润新业务种类繁多，仍需努力推广客户服务与客户期望有差距，深层次理解用户需求成为关键全球最佳管理实践提示：现阶段是数据挖掘应用的关键时期中国移动集团结合国内外实际情况提
B10041434 付忠举 数据挖掘.doc
PAGE\*MERGEFORMAT13南京邮电大学数据挖掘概念与技术课程设计题目统计学数据挖掘（GLM）专业计算机科学与技术学生姓名付忠举班级学号B10041434指导教师叶水仙评阅教师指导单位南京邮电大学日期：2013年12月29日数据挖掘课程设计摘要：随着网络、数据库技术的迅速发展以及数据库管理系统的广泛应用，人们积累的数据越来越多。数据挖掘(DataMining)就是从大量的实际应用数据中提取隐含信息和知识，它利用了数据库、人工智能和数理统计等多方面的技术，是一类深层次的数据分析方法。本文介绍
数据挖掘技术在医保领域中的研究与应用.docx
数据挖掘技术在医保领域中的研究与应用一、内容概述数据挖掘是一种从大量数据中提取或“挖掘”知识的过程，它可以帮助我们从海量的医保数据中发现有价值的信息，为医保决策提供科学依据。医保数据具有多样性、复杂性和高增长性等特点，包括患者基本信息、医疗费用、药品价格、疾病谱等，这些数据为数据挖掘提供了丰富的素材。a)医保基金收支预测：通过数据挖掘技术，可以对医保基金的历史收支数据进行挖掘，建立预测模型，预测未来基金收支情况，为医保政策制定和调整提供依据。b)医保资源优化配置：结合医保数据和其他相关数据，运用数据挖掘技
模式识别——用身高和或体重数据进行性别分类.doc
PAGE\*MERGEFORMAT12用身高和/或体重数据进行性别分类1、【实验目的】（1）掌握最小错误率Bayes分类器的决策规则（2）掌握Parzen窗法（3）掌握Fisher线性判别方法（4）熟练运用matlab的相关知识。2、【实验原理】（1）、最小错误率Bayes分类器的决策规则如果在特征空间中观察到某一个（随机）向量x=(x1,x2,…,xd)T，已知类别状态的先验概率为：和类别的条件概率密度为，根据Bayes公式得到状态的后验概率有：基本决策规则：如果，则，将x归属后验概率最大的类别。
数据挖掘-决策树法-上机实验.doc
某公司新推出一种理财产品，为了提高该产品的收益，围绕该产品是否会被购买，在人群中从年龄、收入、性别、结婚情况、理财能力、是否拥有房子、所在地区方面做分析。步骤：利用数据源中的“Excel”节点导入数据，并利用表格查看数据用直方图体现所调查人群对该产品的响应度从这个结果中看出将近85%的消费者不会购买该产品，为此必须对消费者进行针对性的销售。随机的抽取80%的已调查人群，对他们的年龄、收入、性别、结婚情况、理财能力、是否拥有房子、所在地区进行分析。选择“类型”，并进行以下设置：对这些特征做一个统计分析，选择
移动业务-基于数据挖掘的数据业务精确营销.ppt
商用新业务营销优秀案例基于数据挖掘的数据业务精确营销基于数据挖掘的数据业务精确营销第一部分案例简介一、案例简介一、案例简介一、案例简介第二部分背景介绍第三部分精确营销案例介绍数据分为7个类型，共833项：CRM项目建立数据业务客户分群—数据挖掘的发现动感地带的主要数据业务渗透率均高于全球通；ss1和ss3为主要的数据群，在提升渗透率和用量上具有更大潜力。模型对客户进行打分，分值越高，成为彩信用户的倾向性越大。数据业务的目标客户定位目标客户四大品牌客户；年龄介于18－40岁之间，追求时尚，有祝福、图铃类彩信
基于数据挖掘的内幕操纵行为甄别.pdf
基于数据挖掘的内幕操纵行为甄别研究课题研究人：张宗新、朱伟骅、沈正阳、陈剑波选送单位：东北证券有限责任公司1内容提要目前，我国内幕操纵监管仍侧重―事后‖监管，例如对―德隆系‖、―中科创业‖等内幕操纵等处罚，都是以广大中小投资者付出惨重代价为前提的。而国外学者研究表明，对内幕操纵事后监管却是无效的（LaPortaetal.,2006）。因而，在中国证券市场全流通条件下如何强化事前预防和事中监控，如何有效甄别内幕交易行为，及时对内幕操纵进行控制和禁止，成为证券监管部门实施反操纵监管的重要研究课题。正是基于证券
浅谈金融行业中的数据挖掘.doc
最新【精品】范文参考文献专业论文浅谈金融行业中的数据挖掘浅谈金融行业中的数据挖掘[提要]数据挖掘就是利用各种技术从海量的数据中发现知识，它具有广阔的应用前景。本文比较详尽地概论总结数据挖掘的概念、方法及应用，并且分析、归纳数据挖掘在金融领域的应用，具体包括趋势预测、客户关系管理、金融犯罪侦测、风险识别与管理等。关键词：数据挖掘；金融数据；预测；风险识别中图分类号：F83文献标识码：A原标题：浅谈金融行业中的数据挖掘收录日期：2013年5月28日银行、证券公司、保险公司每天的业务都会产生大量数据，利用目前的
