检索结果-南通市图书馆

基于改进K-means算法的RFAT客户细分研究

在线全文

学校读者我要写书评

暂无评论

南京理工大学学报 2014年第4期38卷 531-536页

作者：刘芝怡陈功常州工学院计算机信息工程学院江苏常州213002 常州工学院电子信息与电气工程学院江苏常州213002

为了解决传统K-means算法对初始聚类中心敏感和聚类数目事先难以确定的问题,提出了一种改进的K-means算法。改进算法利用最大距离等分策略来选取初始聚类中心,并利用一种评价函数来自动确定聚类数,减少了算法结果对参数的依赖。将改进... 详细信息

为了解决传统K-means算法对初始聚类中心敏感和聚类数目事先难以确定的问题,提出了一种改进的K-means算法。改进算法利用最大距离等分策略来选取初始聚类中心,并利用一种评价函数来自动确定聚类数,减少了算法结果对参数的依赖。将改进算法应用到某企业客户分类中时,为提高分类结果的表征性,提出了以客户最近购买时间(Recency)、购买频次(Frequency)、平均购买额(Average Monetary)和购买倾向(Trend)作为客户价值细分变量的RFAT(Recency,frequency,average monetary and trend)模型,对客户RFAT值进行了聚类分析,并提供了针对不同客户群的营销策略。实证研究表明,该文所提出的改进算法和模型可以有效地对企业客户进行分类,能充分反映客户的当前价值和增值潜能。

关键词：客户分类购买时间购买频次平均购买额购买倾向 K-means算法初始聚类中心聚类数

在线全文

学校读者我要写书评

暂无评论

关联规则挖掘算法的分析、优化及应用

关联规则挖掘算法的分析、优化及应用

作者：刘芝怡苏州大学

学位级别：硕士

目前多数高校的在校生人数都已达上万甚至十几万的规模,教师人数也在千人以上。高校运行着的各种系统和各类数据库,如学籍管理、成绩管理等,己经积累了大量的数据。管理人员只能通过简单的统计或排序等功能获得表面的信息,由于缺乏信息... 详细信息

目前多数高校的在校生人数都已达上万甚至十几万的规模,教师人数也在千人以上。高校运行着的各种系统和各类数据库,如学籍管理、成绩管理等,己经积累了大量的数据。管理人员只能通过简单的统计或排序等功能获得表面的信息,由于缺乏信息意识和技术,隐藏在这些大量数据中的信息一直没有得到有效利用。如何对这些数据进行重新利用,将现有的管理数据转化为可供使用的知识,提高学校管理决策性,提高管理水平和办学质量,是很多高校正在考虑的问题。通过数据挖掘技术,在一定程度上能够解决这些问题,使信息系统的功能得到最大程度的利用。数据挖掘是从数据中析取、识别和发现潜在正确和有用、前所未知的、最终可理解的知识(规则或模型)的过程。数据挖掘技术要在已有数据中识别数据的模式,以帮助用户理解现有的信息,并在已有信息的基础上,对未来状况做出预测。关联规则挖掘是数据挖掘领域的重要研究方向。关联规则反映的是数据之间一种内在的关联关系。发现数据间的这种内在联系,有利于决策者利用这些规则做出正确和合理的决策。关联规则的算法可依据需不需要产生侯选项集的做法分为两类,以FP树法与类Apriori方法为代表。此两者最主要的差异在于,FP树法并不产生侯选项集,它将数据库压缩在FP树结构中,避免多次的高成本的数据库扫描,后者是需要产生侯选项集的方法。本文从数据挖掘技术的研究入手,深入研究了关联规则挖掘,并在此基础上对经典的关联规则挖掘算法Apriori算法进行分析,指出其不足之处,提出了两个新的改进算法。此外还结合常州工学院目前招生管理的具体情况出发,将关联规则技术运用到高校招生管理中,通过对招生数据进行数据挖掘,得到了许多有价值的信息,这些知识让校方更能有的放矢制定招生计划,对学生就业情况的掌握以及课程安排等方面无疑具有重要的指导意义。

关键词：数据挖掘关联规则 Apriori算法

基于FP-forest的并行频繁项集挖掘算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

科技通报 2014年第4期30卷 131-133页

作者：刘芝怡常州工学院计算机信息工程学院江苏常州213002

在研究传统挖掘频繁项集并行算法的基础上,提出一种以FP-forest为基础的高效能并行挖掘算法FPPMA(FP-forest based high-effect Parallel Mining Algorithm)。此算法中,各运算节点只需要和核心节点之间传递少量信息,而无需和其他运算节... 详细信息

在研究传统挖掘频繁项集并行算法的基础上,提出一种以FP-forest为基础的高效能并行挖掘算法FPPMA(FP-forest based high-effect Parallel Mining Algorithm)。此算法中,各运算节点只需要和核心节点之间传递少量信息,而无需和其他运算节点通信,减少了通信费用。此外,运算节点不需要同步和交换数据就可独立挖掘出全局频繁项集。

关键词：关联规则挖掘并行算法 FP-forest

在线全文

学校读者我要写书评

暂无评论

基于单次扫描无构造调节的频繁模式挖掘算法

科技通报 2014年第6期30卷 119-121页

作者：刘芝怡常州工学院计算机信息工程学院江苏常州213002

研究频繁项集模式挖掘优化问题。传统的挖掘算法常产生大规模的候选项集,并且反复扫描数据库,导致频繁项集挖掘时间过长,空间效率太低。为了改进频繁项集挖掘时时间与空间效率低的问题,提出一种高效频繁项集挖掘算法CPT-Mine。此算法利... 详细信息

研究频繁项集模式挖掘优化问题。传统的挖掘算法常产生大规模的候选项集,并且反复扫描数据库,导致频繁项集挖掘时间过长,空间效率太低。为了改进频繁项集挖掘时时间与空间效率低的问题,提出一种高效频繁项集挖掘算法CPT-Mine。此算法利用编码模式树存储事务数据库中的频繁项集信息,构建FP数组,加快产生频繁项集,引入CPT-Mine算法,快速地挖掘数据库中所包含的频繁项集,无需递归构造条件模式树,只需两次扫描数据库即可生成所有频繁项集。最后的实验证明了该算法能缩短挖掘时间3～10 s,空间效率提高43%。

关键词：频繁项集编码模式树素数编码

在线全文

学校读者我要写书评

暂无评论

大数据分析技术在海量激光图像检索中的应用

激光杂志 2019年第9期40卷 85-89页

作者：严伟中刘芝怡常州工学院计算机信息工程学院

为解决海量激光图像的检索问题,提出基于大数据分析的海量激光图像检索方法。大数据分析技术中的HDFS采用一个NameNode与数个DataNode组合的运行方式,将海量激光图像特征数据存储在HDFS中;采用基于MapReduce程序与相似度计算方法检索海... 详细信息

为解决海量激光图像的检索问题,提出基于大数据分析的海量激光图像检索方法。大数据分析技术中的HDFS采用一个NameNode与数个DataNode组合的运行方式,将海量激光图像特征数据存储在HDFS中;采用基于MapReduce程序与相似度计算方法检索海量激光图像,利用Map读取存储在HDFS中的海量激光图像特征数据,并转换为Key/Value形式的数据特征,在Reduce任务中采用相似度计算方法获取HDFS中海量激光图像特征的形状、纹理、颜色相似度并排序,排序结果则为激光图像检索结果。实验结果表明,所提方法计算的激光图像特征相似度误差较小,检索海量激光图像过程中,所提方法具有高查全率、高查准率的优势,是一种高性能的海量激光图像检索方法。

关键词：大数据分析海量激光图像 HDFS 特征相似度检索

基于微视频的翻转课堂在论文写作与编排课程中的实践

在线全文

学校读者我要写书评

暂无评论

福建电脑 2018年第5期34卷 63-63,89页

作者：刘芝怡常州工学院计算机信息工程学院江苏常州213022

论文写作与编排是一门课时少、内容多且实践性强的课程。本文结合常州工学院实际教学工作,分析教学过程中出现的问题,有针对性地给出了"基于微视频的翻转课堂"教学模式,即在课外,学生通过微信公众号观看微视频进行自主学习;在课上,教师... 详细信息

论文写作与编排是一门课时少、内容多且实践性强的课程。本文结合常州工学院实际教学工作,分析教学过程中出现的问题,有针对性地给出了"基于微视频的翻转课堂"教学模式,即在课外,学生通过微信公众号观看微视频进行自主学习;在课上,教师采用讨论交流、专题讲座和综合实训来强化课程的实践应用。教学实验表明该模式既激发学生主动学习的热情,又激发学生的思维能力,使学生学习能力得到提高,应用能力也得到实际锻炼。

关键词：微视频翻转课堂微信公众号论文写作与编排

在线全文

学校读者我要写书评

暂无评论

频繁项集高效挖掘算法研究

微计算机信息 2012年第10期28卷 491-493页

作者：刘芝怡常睿常州工学院计算机信息工程学院常州213002

为进一步提高频繁项集挖掘算法的可扩展性,对频繁项集的搜索空间以及FP-tree的操作方法进行了研究。在此基础上提出了基于frequent-pattern链表的高效频繁项集挖掘算法FPL-Growth。FPL-Growth运用递增构建候选项集策略和Apriori性质来... 详细信息

为进一步提高频繁项集挖掘算法的可扩展性,对频繁项集的搜索空间以及FP-tree的操作方法进行了研究。在此基础上提出了基于frequent-pattern链表的高效频繁项集挖掘算法FPL-Growth。FPL-Growth运用递增构建候选项集策略和Apriori性质来缩小搜索空间,运用交叉计数方法快速获取频繁项集的支持数。最后的实验证明了该算法的有效性。

关键词： frequent-pattern链表频繁项集数据挖掘