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Lakatos证伪方法论的机器发现逻辑

介绍了基于二阶项重写技术的机器发现逻辑理论及两个实验系统DI和ALP.同时举例说明了ALP系统的工作原理,展示了机器发现逻辑在数学发现(?)逻辑程序自动设计领域的应用前景。     

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。     

标准化系统工程方法论研究

标准化系统工程是系统工程学科中的一个门类，属于工程技术层次，依存性及执法性是标准化系统工程两个重要特征。将六维结构作为标准化系统工程方法论的基础进行研究，并举例分析了这种方法率在工程实践中应用取得的效果。     

隐私保护下关联规则挖掘方法

从输入隐私保护和输出隐私保护2个角度介绍了隐私保护关联规则挖掘的有效方法。输入隐私保护采用数据扭曲的策略，输出隐私保护采用修改敏感事务值的策略。使用这2种策略的挖掘方法在取得很好隐私性同时，挖掘到的关联规则准确率也很好。     

基于复合形遗传算法的K—means优化聚类方法

针对基本遗传算法所存在的缺点和不足,提出了一种改进的遗传算法--复合形遗传算法,并将其用于K-means优化聚类.把复合形法嵌入到遗传算法中,利用复合形法对遗传算法群体中的部分个体进行处理,来改善种群的质量,以加快最优解的搜索进程.该方法既有复合形法快速高效的特点,又有遗传算法全局性好的特点. 算例的结果表明,该方法用于改进K-means优化聚类是可行的与有效的.