导读:本文包含了数据挖掘模型论文开题报告文献综述、选题提纲参考文献，主要关键词:模型,数据挖掘,在线,规则,神经网络,管理系统,病理学。
数据挖掘模型论文文献综述写法
艾楚涵,姜迪,吴建德[1]（2019）在《基于主题模型和关联规则的专利文本数据挖掘研究》一文中研究指出如何从海量的专利信息中挖掘出不同专利之间隐含的关联关系是很多专利管理系统迫切需要解决的问题.本文从专利文本的摘要出发,提出一种基于Apriori和引入LDA主题模型的专利文本分析方法.首先,采用Apriori算法对数据降维,挖掘关键词和主题词之间的关联规则并根据规则绘制共享主题网络图,然后使用LDA主题模型对离散化的专利-主题词矩阵进一步线性降维,并将主题聚类,得到主题细分下的高频词主题,最后结合两种分析方法的结果对专利文本进一步挖掘分析.本文所使用的方法能够有效地挖掘出专利文本数据间的关联,可以为专利间的关联推荐提供思路和应用参考.(本文来源于《中北大学学报(自然科学版)》期刊2019年06期）
孙婷婷,朱向明,刘冬,张霞,张健[2]（2019）在《基于关联规则的数据挖掘在超重肥胖患者心脏构型超声数据模型中的初步研究》一文中研究指出目的通过对超重肥胖患者心脏构型参数与临床信息的数据挖掘,揭示出数据之间潜在、有价值的关联信息。方法选取受检者212例(正常体重受检者69例,超重患者84例,肥胖患者59例)作为研究对象,获取临床信息及心脏构型参数,采用关联规则(Apriori算法)进行挖掘分析,提取有效关联规则并优选出能反映超重肥胖人群心脏构型及其变化的特征性指标及相关影响因素,建立心脏构型超声数据关联规则模型。结果根据提取的有效关联规则显示,超重肥胖患者收缩期末左心房前后径、左心房面积、左心房容积、左心室心肌重量与正常体重受检者相比倾向于变大,年龄、肥胖程度以及肥胖病程与心脏构型的改变密切相关。结论数据挖掘在医疗大数据中提取隐藏的关联信息,有助于超重肥胖患者心脏构型变化的早期检测、早期预防及早期干预。(本文来源于《浙江医学》期刊2019年21期）
万晓燕[3]（2019）在《基于机器学习模型的大数据挖掘优化算法》一文中研究指出大数据分析的方法有很多,借助机器学习模型对大数据进行挖掘优化是现今较为有效的方法。基于此,笔者提出基于机器学习模型的大数据挖掘优化算法,以机器学习技术为基础,建立分布式挖掘模型,通过计算数据相异度,完成数据挖掘中心的优化。实验结果表明,本设计算法在总计算量和预测准确度上均胜于传统算法,证明了方法的有效性和实用性。(本文来源于《信息与电脑(理论版)》期刊2019年21期）
张利利,郭淑妹,马艳琴,卜春霞[4]（2019）在《基于数据挖掘技术的银行客户定期存款认购模型研究》一文中研究指出数据挖掘技术能有效地挖掘出潜在的银行客户,能够大大提高银行的竞争力.介绍了数据挖掘技术中常用的叁种模型:逻辑回归模型、BP神经网络模型和决策树模型,同时构造了一种新模型——逻辑回归与BP神经网络混合的模型,然后分别采用这四种模型对可能影响银行客户是否认购定期存款的影响因素进行数据挖掘分析,分别构建了基于逻辑回归模型、BP神经网络模型、逻辑回归与BP神经网络的新模型、决策树模型的银行客户定期存款认购的四种模型,同时利用R语言分别对这四种模型进行分析,分别用ROC曲线的AUC值和正确率比较这四种模型的功效强弱以及稳定性,研究结果表明,给出的新模型——逻辑回归与BP神经网络的新模型的预测效果更好,训练集和测试集预测的准确率分别为0.936和0.931,训练集和测试集ROC曲线的AUC值分别为0.998和0.987,这可以大大缩小银行推送认购定期存款的客户范围,有效地挖掘出潜在的银行客户,可以大大提高银行的效率.(本文来源于《数学的实践与认识》期刊2019年21期）
李杨,夏文秀[5]（2019）在《基于数据挖掘的开源电子资源访问行为统计模型》一文中研究指出为了解决当前图书馆资源个性化推荐过程中存在推荐的准确率、召回率以及效率较低的问题,采用二维距离模型构建用户社区模型,用于描述访问用户与图书馆开源电子资源之间的关系,并对互联网用户需求和访问行为进行模糊规则推理.依据互联网用户属性和图书馆资源访问需求属性之间的模糊规则,建立图书馆开源电子资源访问行为统计模型,并利用该模型向用户提供个性化推荐服务.仿真结果表明,所建模型的推荐召回率高达98. 4%,推荐准确率为99. 2%,运行时间小于0. 04 s.所建模型能够为互联网用户提供准确、高效地图书馆资源个性化推荐服务.(本文来源于《沈阳工业大学学报》期刊2019年06期）
施传新,谢志林,楚黄维,蓝文涛[6]（2019）在《基于数据挖掘的在线审计模型设计》一文中研究指出本文明确了在线审计业务中数据挖掘关键技术及在线审计模型的现实需求,设计了一种基于数据挖掘的在线审计模型,在模型中引入了自主学习与维护功能,保证了在线审计的效率、速度、全面性与准确性。(本文来源于《电子技术与软件工程》期刊2019年20期）
梁红琴,朱立强,王健[7]（2019）在《基于数据挖掘方法的甲状腺结节良恶性CT分类模型的建立》一文中研究指出目的根据甲状腺结节CT特征指标建立分类模型,以病理结果作为"金标准",预测甲状腺结节的性质。资料与方法回顾性分析143例甲状腺结节患者的临床和影像学资料,按照病理结果分为良性组(n=56)及恶性组(n=87),分别采用Fisher线性判别方法和非条件Logistic回归算法建立数据挖掘模型,采用受试者工作特征(ROC)曲线下面积比较两个模型的诊断效能。另选取55例甲状腺结节患者进行数据验证。结果两组患者的年龄、结节大小、淋巴结显示及增强强化后CT值比较,差异均有统计学意义(P<0.05)。Fisher判别方法的敏感度为96.6%,特异度91.1%,约登指数为94.4%。非条件Logistic回归法的敏感度为95.4%,特异度为92.9%,约登指数为94.4%。两个模型的ROC曲线下面积比较,差异无统计学意义(Z=0.3,P=0.765)。使用55例甲状腺结节患者进行验证,Fisher判别及非条件Logistic回归敏感度均为66.7%,特异度均为92.3%,约登指数为72.7%,但对具体样本的判别结果有所差异。结论建立的两种模型对甲状腺结节性质的判断结果均较为理想,判别模型与非条件Logistic回归的泛化能力一致。(本文来源于《中国医学影像学杂志》期刊2019年10期）
余颖弘,李以农,梁艺潇,张紫微,廖光亮[8]（2019）在《基于数据挖掘的电动汽车瞬态能耗模型建模》一文中研究指出针对无人驾驶电动汽车的经济速度规划可以有效地发掘其续驶潜力,而估计瞬时能耗是规划速度的基础。为建立高精度电动汽车能耗模型,利用循环工况仿真获取离散化样本,基于数据挖掘确定了模型结构,通过多元线性回归标定模型系数,建立了电动汽车瞬态能耗模型——EV-MFECM。另外,利用神经网络强非线性拟合特性,基于BP神经网络建立了一种新的电动汽车能耗模型。通过循环工况LA92验证,结果表明神经网络建模方案相较于EV-MFECM模型能耗估计平均误差减小了2.18%,更贴近实测能耗值,为经济车速规划研究奠定基础。(本文来源于《2019中国汽车工程学会年会论文集（2）》期刊2019-10-22）
钱楚云[9]（2019）在《企业财务舞弊数据挖掘的审计模型研究》一文中研究指出在大数据的时代背景下,传统常规的审计手段逐渐失效,面临着空前的挑战。为了适应现代化发展,改革创新审计方法,并与其他学科领域相结合,成了一种必然的发展趋势。而数据挖掘技术作为信息时代的一个典型代表,顺势出现在审计人员的眼前。挖掘数据,提取其中的有效信息,建立数学模型,最后进行结果分析,使审计凭从感觉,从大规模审计开始到现在从数学模型的异常信息中发现问题,进行有目的审计,减少了审计人员的工作量,极大提高了审计效率和准确度。但同时也需要在现代的审计方法中,规避新方法带来的风险,从而从根本上保障判断的准确性,降低审计整体风险。基于此,本文通过一个案例对数据挖掘审计模型进行简单分析,阐述了数据挖掘审计模型的作用,并对数据挖掘技术对于现代审计的一些优势和其中可能存在的一些弊端进行了分析。(本文来源于《中国管理信息化》期刊2019年20期）
王硕鹏[10]（2019）在《基于数据挖掘的毕业生就业信息管理决策模型研究》一文中研究指出随着现代技术的飞速发展,数据挖掘技术在教育领域的应用更加广泛.高校可以依靠数据挖掘技术对就业信息进行集中处理,优化就业信息资源系统建设.利用数据挖掘技术建立决策模型,探讨当前高校毕业生信息管理问题,为高校学生提供个性化的就业指导,对学生的就业情况进行科学预测和分析.(本文来源于《东北电力大学学报》期刊2019年05期）
数据挖掘模型论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的通过对超重肥胖患者心脏构型参数与临床信息的数据挖掘,揭示出数据之间潜在、有价值的关联信息。方法选取受检者212例(正常体重受检者69例,超重患者84例,肥胖患者59例)作为研究对象,获取临床信息及心脏构型参数,采用关联规则(Apriori算法)进行挖掘分析,提取有效关联规则并优选出能反映超重肥胖人群心脏构型及其变化的特征性指标及相关影响因素,建立心脏构型超声数据关联规则模型。结果根据提取的有效关联规则显示,超重肥胖患者收缩期末左心房前后径、左心房面积、左心房容积、左心室心肌重量与正常体重受检者相比倾向于变大,年龄、肥胖程度以及肥胖病程与心脏构型的改变密切相关。结论数据挖掘在医疗大数据中提取隐藏的关联信息,有助于超重肥胖患者心脏构型变化的早期检测、早期预防及早期干预。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
数据挖掘模型论文参考文献
[1].艾楚涵,姜迪,吴建德.基于主题模型和关联规则的专利文本数据挖掘研究[J].中北大学学报(自然科学版).2019
[2].孙婷婷,朱向明,刘冬,张霞,张健.基于关联规则的数据挖掘在超重肥胖患者心脏构型超声数据模型中的初步研究[J].浙江医学.2019
[3].万晓燕.基于机器学习模型的大数据挖掘优化算法[J].信息与电脑(理论版).2019
[4].张利利,郭淑妹,马艳琴,卜春霞.基于数据挖掘技术的银行客户定期存款认购模型研究[J].数学的实践与认识.2019
[5].李杨,夏文秀.基于数据挖掘的开源电子资源访问行为统计模型[J].沈阳工业大学学报.2019
[6].施传新,谢志林,楚黄维,蓝文涛.基于数据挖掘的在线审计模型设计[J].电子技术与软件工程.2019
[7].梁红琴,朱立强,王健.基于数据挖掘方法的甲状腺结节良恶性CT分类模型的建立[J].中国医学影像学杂志.2019
[8].余颖弘,李以农,梁艺潇,张紫微,廖光亮.基于数据挖掘的电动汽车瞬态能耗模型建模[C].2019中国汽车工程学会年会论文集（2）.2019
[9].钱楚云.企业财务舞弊数据挖掘的审计模型研究[J].中国管理信息化.2019
[10].王硕鹏.基于数据挖掘的毕业生就业信息管理决策模型研究[J].东北电力大学学报.2019