智能数据挖掘引擎的设计与实现

1.引言数据挖掘就是从大量数据中提取或"挖掘"有用信息,进而提供决策支持.在互联网时代,商业竞争日趋激烈,就企业而言,对于企业所积累的大量数据进行高效挖掘,智能分析以辅助企业决策就变得越来越重要.因此,基于人工智能和统计技术的数据挖掘系统日益成为数据挖掘研究的焦点.高性能数据挖掘系统应支持高速数据处理并且提供足够的灵活性和可扩展性.基于此,在构建数据挖掘系统时,所要考虑的一个

联机分析挖掘在决策支持系统中的研究与应用

本文基于联机分析挖掘(OLAM)这一决策支持应用新技术在国内外的研究成果,总结了OLAM传统结构在实际应用中的不足,提出了"OLAM是OLAP和DM发展的交汇,'M'是核心和目的"的观点;提出了基于C/S和B/S的OLAM的混合体系结构以适应DSS在网络上越来越广泛的应用,通过将分析挖掘需求分级存放在不同的OLAM引擎上,在满足了用户高效,准确的分析要求的同时,又充分考虑到了网络隐私,信息安全性等因素;通过实际项目的实施实践了本文的理论;解决了张家口煤矿机械有限公司信息化过程中的四大难题. 本文首次将强大的科学计算工具Matlab作为挖掘工具引入基于Web的决策支持系统之中,首次将OLAM应用到了企业实际中,首次将OLAM引入决策支持系统之中,并取得满意的效果,受到企业的好评.

区域性教育大数据总体架构与应用模型

教育大数据作为未来区域教育发展的契机和质量改进与提升的破解方法,在智慧教育领域有着不可估量的发展潜能。该文大数据与区域教育发展的关系出发,剖析了区域教育大数据的技术架构,包括教育过程多模态数据收集、学习者个性化认识模型构建、学科知识图谱构建、数据挖掘分析、资源语义标记与汇聚、个性化智能推荐引擎、区域教育决策分析等,提出构建区域大数据无缝流转的开放生态系统。同时,该研究以智能教育大数据公共服务平台"智慧学伴"为例,提出区域教育大数据应用模型,并展望了区域教育大数据未来发展的三个智能服务阶段:个性化定向学习支持的"学习助手"、封闭性问题解答和情感支持的"学习伙伴"、开放性问题解答和智慧成长支持的"学习导师"。该研究从理论构建、实践应用、未来展望三个层面对区域教育大数据作了较为全面的论述,以期为区域教育大数据的应用提供理论参考模型和实践指导。

大数据分析方法在企业档案管理中的应用

随着大数据研究逐渐深入,企业创新决策越来越依赖于数据分析,而企业档案数据资源为企业这一决策提供了数据基础.因此,在此背景下企业档案管理中运用大数据分析方法具有重要性意义.本文详细的阐述了数据质量管理,可视化分析,语义引擎,数据挖掘,趋势预测分析等五种大数据分析方法在企业档案管理中的应用及注意问题.

决策树在航空发动机状态数据分析中的应用

航空发动机引擎状态监控系统 EMS(Engine Monitoring System)记录飞行中的各种参数,通过分析飞行中引擎状态数据来监控导致引擎功能失效或不安全事件的元件,为保障飞行可靠性提供方法.EMS 记录参数数目多,时序数据量大,对关键数据设置门限值等常规方法虽然简单,但难以揭示出各种参数和健康状态之间的内在关系,也就无法反映对监控结果起决定因素的重要参数.本文使用决策树方法对发动机 EMS 记录的状态数据进行机器学习和数据挖掘,通过建立相应的决策树模型,形成引擎健康状况的判别规则,为发动机状态数据分析提供了可行的方法.