基于贝叶斯网络学习模型的客户关系管理研究

数据挖掘是实施客户关系管理的关键技术,近年来成为人们研究的热点。针对传统数据挖掘技术的不足,本文提出了贝叶斯网络学习模型。通过研究客户关系管理网络学习过程的特点,证明了贝叶斯网络在客户关系管理中应用的有效性和可行性。实证分析表明:与传统挖掘技术相比,贝叶斯网络学习模型结合先验信息和后验信息,能够更准确地反映客户数据间的潜在关系。     

电力系统综合数据商业智能解决方案

随着管理信息系统的发展，电力行业积累了大量基础数据．越来越多的电力企业认识到只有靠充分利用、发掘其现有数据，才能做出正确及时的决策，从而实现更大的经济效益，商业智能也随即被引入电力行业参与企业决策。商业智能的过程是从不同的数据源收集的数据中提取有用的数据，对数据进行清理、转换、重构后存入数据仓库或数据场中，然后用合适的查询、分析、数据挖掘、OLAP工具对信息进行处理，最后将有用信息呈现于用户面前，转变为决策。     

基于大数据价值挖掘的配电网运维检修管理

分析了数据挖掘方法的优缺点及在电力系统中的技术流程与操作方法后,结合生产实际,具体介绍了数据挖掘在本文配电网故障分析中的实际应用。在采取了建立数据互联逻辑、打通信息系统壁垒,开展配网故障全数据多维度分析、明确故障类型和原因,总结提炼分析方法、形成常态化机制等一系列措施后,并针对分析结果采取措施后,取得了有效的成果。     

基于数据挖掘的外文图书利用率关联因素研究

对哈尔滨工程大学2012年-2014年发表文章中的关键词进行统计,将文章关键词与外文图书主题词做匹配,找出与关键词对应的外文图书利用及馆藏情况,从这些数据中挖掘出影响外文图书利用率的因素,研究结果表明外文图书利用率与关键词出现的频次没有明显相关性,而与相关主题图书的馆藏量显著相关.     

数据挖掘技术在高校校园APP用户黏度分析中的应用研究

随着移动终端的逐渐普及,校园APP在高校日常管理中起着举足轻重的作用。通过数据挖掘技术对用户使用APP的相关数据进行研究,采用关联、聚类、决策树等数据挖掘方法找到用户黏度降低、用户丢失的原因,改进APP信息呈现形式,提升用户体验。     

一种基于数据挖掘的配电网差异化运维管理方法

由于配电网管理存在生产人员数量少、人均管辖线路长、无法保证巡维工作完成率和质量的弊端。所以急需一种差异化运维管理方法,从配电网设备风险管控的角度出发,持续提升配网精益化管理水平,提出了一种基于数据挖掘的配电网差异化运维管理方法,可以有效解决上述弊端。