论组织的量化质量管理(十一)——质量理论(上)

某一领域的理论是该领域诸参数之间的内在联系及运作规律(最好用数学模型量化描述),用于指导实践。知识发现(KD)从Kepler起已有很大发展,由于计算机的出现,发展为从数据库中发现知识(KDD),发展了统计技术及机器学习,形成数据挖掘(DM),是KDD的工具。质量优化是适当配置质量资源使某些目标质量达到极值,最简单的情况是单峰函数的0.618法,复杂一些的有线性规划法……。在寿命分析方面,蜕化寿命、疲劳寿命等较成熟。     

数据挖掘项目的特征和关键环节

数据挖掘技术作为企业信息技术应用的自然延伸,正在成为近年来企业在实施数据仓库项目后的关注重点。本文在大量数据挖掘项目的实施总结基础上,对数据挖掘项目的特征、人员构成和角色分析、方法论和关键环节进行了深入分析。     

在标准化信息服务中打造个性化服务

概要介绍了在Intemet向标准信息服务渗透之后,标准信息服务机构如何利用互联网以及相关信息技术实施个性化服务,达到标准信息服务机构与其用户的双向、互动、持续、跟踪式的沟通,从而为其提供精准的、针对性强的标准信息服务.     

基于粗糙集的车险潜在客户数据挖掘方法

为了从现有的CRM系统中发现潜在的车辆保险客户,提出了一种基于粗糙集理论的数据挖掘方法.利用粗糙集在知识系统中特有的分类特性,经对数据的预处理,较好地解决了样本数据中存在的属性不均衡及反向样本给数据挖掘带来的负面影响.以著名的The Insurance Company Benchmark(COIL 2000)作为测试数据集,经编程构建了数据挖掘模型,对客户社会背景和保单数据进行了综合挖掘测试.结果表明利用粗糙集理论对知识的分类能力,可以挖掘出数据集中潜在的对车辆保险感兴趣的客户,并给出样本分类的包含度.     

数据挖掘在现代企业经营管理中的应用

数据挖掘是一门新兴的跨学科信息处理技术，在企业决策和商业信息的获取等方面发挥着日益重要的作用。论文从数据挖掘的技术定义出发，概述了数据挖掘的基本理论和方法，在此基础上讨论了数据挖掘在现代企业和相关行业的应用，并通过实例说明如何利用数据挖掘提高企业管理能力和决策效率；同时也提出了企业应用数据挖掘时所存在的问题及其发展趋势。     

数据挖掘技术在飞机试制现场超差数据处理中的应用

利用数据挖掘技术对飞机试制生产现场超差数据进行有用信息挖掘,并通过一具体的算例验证了该过程。对现有的数据存储管理方式提出了改进方法,提出了开发面向对象软件以提高挖掘效率。通过对生产现场已有的技术状态管理软件进行数据库更新,可以方便的实现本文方法。     

数据挖掘在运载火箭智能测试中的应用

针对运载火箭复杂系统的故障检测难以建立准确的数学模型的问题,研究了基于数据驱动的数据挖掘异常检测算法,对多种数据挖掘算法在运载火箭发动机异常检测的应用进行了研究和分析,提出了基于混合概率密度统计的多策略异常检测评价算法。该算法基于非监督学习的算法挖掘火箭发动机不同参数间的正常关联模型,火箭发动机早期的异常数据会引起正常关联模型的破坏,引入混合概率密度统计的多策略异常检测评价机制,可以有效屏蔽参数测量故障对系统故障检测的影响,从而更加准确给出系统异常程度。使用发动机历史试车数据作为样本进行特征模型的训练,使用一元、多元和混合概率密度模型对存在异常的发动机试车数据进行了实时异常检测的实验验证。实验结果表明,相比传统基于阈值和规则的异常检测算法,基于概率密度统计的多策略异常检测算法不仅可给出系统的正常和异常的状态,还可计算各参数和整个系统的异常值,为运载火箭进一步的故障诊断提供更加灵活的参考。     

基于云模型的关联规则的提取算法

关联规则的提取是数据库应用领域研究的一个重要课题。如何发现普通数据库中各属性之间的关联, 也称为数量相关问题,具有更为普遍的意义。