基于全链条管控的电力企业保密管理研究

<正>电力企业机密信息是各个国家信息保密的重点范围。电力企业必须全面贯彻落实总体国家安全观,保持清醒头脑、增强忧患意识、强化底线思维,切实做好安全保密工作。全链条保密管理体系内涵全链条保密管理体系分为思想层、管理层、数据层、保障层和评价层五层。思想层的保密管理作为思想引领,对员工进行意识宣贯、文化渲染和培训巩固;管理层的保密管理应做到人员精细、设备精细、文件精准、活动精准;数据层的保密管理,     

基于数据挖掘算法的电力行业智能培训服务质量评估方法

以电力行业智能培训服务质量评估为切入点,基于数据挖掘算法,对数据进行分析与挖掘,探讨电力行业智能培训服务质量评估的相关问题。通过聚类分析,能够清晰地将电力行业员工划分为不同的学习群体,进一步为他们提供更加个性化的培训服务。通过分类分析,可以预测哪些员工可能在学习中遇到困难,为他们准备必要的帮扶措施。关联规则分析揭示了不同课程之间的内在联系,为优化课程结构和内容提供了有力的数据支持。     

数据挖掘技术与应用

较详尽地介绍了数据挖掘技术及其背景知识,阐述了成功的数据挖掘所具备的条件,提出了数据挖掘实施时应注意的问题,并对数据挖掘的研究现状与应用进行了总结.     

基于数据挖掘的药品风险监测指标体系构建

目的 利用大数据对药品全生命周期中可能存在的风险进行分析并建立风险指标体系。方法 通过数据挖掘收集可能影响药品安全的因素,对数据进行汇总分析及清洗,梳理风险因素清单,采用德尔菲法对风险因素严重程度、可能性和可监测性进行判断,建立风险指标体系。结果 在药品的生产、配送、流通、使用全生命周期中,安全风险来自于产品自身、企业、区域3个层面。其风险指标体系包括：产品层面风险指标有抽检不合格、严重不良反应率、普通不良反应率、文号临期、供应商变更、工艺变更、上报数据异常、退货率异常、工艺控制中关键指标离散度异常、中控报废率异常、冷链异常等;企业层面的风险指标有产品线存在高风险产品、被证实的投诉举报、检查有严重缺陷、行政处罚、政策环境高风险、企业信用异常、行业信用异常、法人失信、企业经济问题、药品质量舆情等。结论 基于数据挖掘建立的药品风险监测指标体系可以科学灵敏地对药品风险进行预警从而开展药品智慧监管。     

高校科技信息数据挖掘方法研究

将数据挖掘技术应用于高校科技管理领域是一种新的尝试。以南京农业大学科技信息管理系统为实验数据源,使用Apfiori算法对数据源中的人员、论文和项目信息进行关联规则的挖掘,结果表明,南京农业大学传统专业的优势十分明显,大农学学科产生的科研成果在全校科研成果总量中所占权重较大,同时,从教师的年龄和职称所得到的关联规则显示,教师的年龄越大、职称越高,主持项目的频度越高。     

决策树分类技术在图书馆管理中的应用

C4．5算法是决策树分类方法中的经典算法,以高校图书馆为例,运用面向属性归纳和决策树C4．5算法对整个读者流通数据库进行挖掘,并对挖掘的结果及其含义进行评价,为加强图书馆个性化服务提供依据。     

基于综合多尺度特征决策树模型的土地利用变化分析

针对当前土地利用变化模型研究中较少考虑多尺度融合的问题,尝试构建综合空间多尺度特征的决策树模型(decision tree model,DTM),并与典型数据挖掘方法模拟效果进行对比。选取1995年、2000年和2005年的南京市土地利用现状为数据源,并以1995年和2000年两期数据为训练样本,以空间剖分的土地利用单位(9.5km2大小的格网单元)为模拟单元,构建综合模拟单元内部特征、邻域特征和全局特征的空间多尺度DTM,利用此模型对2000-2005年南京市土地利用变化进行模拟与分析,同时将该模型与朴素贝叶斯(naive Bayes,NB)、BP神经网络(back propagation neural network,BPNN)和支持向量机(support vector machine,SVM)模型进行模拟精度的对比。结果表明:DTM模拟精度为88.97%,高于NB、BPNN和SVM模型的模拟精度(分别为84.44%、87.13%和83.46%)。本文提出的综合多尺度特征的DTM具有与典型数据挖掘方法相类似或更好的精度,而且还具有运算效率高、可解释性强以及简单易扩展等突出特点,有利于LUCC模型的异地复用和决策支持。     

基于关联规则的农业专家系统知识库的建立

数据挖掘和专家系统同属人工智能领域.关联规则是数据挖掘的一种方法,其最典型的应用是超市的购物篮分析.专家系统主要解决的是智能推理问题而关联规则侧重于各个数据项之间有价值的联系.通过对关联规则的Apriori算法及规则的产生方法进行改动,挖掘出可应用于专家系统的知识库中的决策规则,从而找出了利用关联规则挖掘出用于决策规则的方法.     

基于云计算的数据挖掘之综述研究

本文针对现下一种新兴的云计算技术,分析当前数据挖掘遇到的问题以及云计算的优势,基于云计算进行海量数据挖掘成为一种解决传统集中式数据挖掘不适应海量数据不断增长的高效、可信方法。本文先对云计算进行简单介绍,然后对基于云计算的数据挖掘应用进行详细阐述与分析,最后介绍基于云计算的数据挖掘应用平台的构建。     

基于Web的数据挖掘技术研究及其应用

随着网络时代的到来和网络信息的快速增长,必然要求对Web信息进行有条理深层次的分析。熟练掌握并运用Web数据挖掘技术可以从海量数据中快速、准确地获自己所需要的网络信息,并提供个性化的服务。本文分析了Web数据挖掘的特点并对其进行了相应的分类,针对常用的技术和主要应用方向进行了一定的探讨,以使之能够充分发挥web数据挖掘的作用,服务信息化社会的发展。