数据挖掘在商务智能.pptVIP

数据挖掘在商务智能决策与CRM中的应用;数据挖掘（知识发现）新进展 数据挖掘在商务智能决策中的应用 数据挖掘在CRM中的应用;;一、数据挖掘(知识发现)概念内涵与外延的发展;知识发现的新定义：;三、挖掘技术方法的扩展;四、应用的扩展;Marksman、Think Machine、 DataMind、Intelligent Miner、 KnowledgeSEEKER、等等;五、研究动态与趋向;国外研究动态;;;国内研究动态;;发展的基本特征;（2）复杂类型（系统）数据挖掘成为热点 如：1） 生物信息挖掘。  Knowledge Discovery for Promoter Structure Analysis Study of Motif Correlation in Proteins by Data Mining （用数据挖掘技术进行蛋白质中启动子的结构分析） 2）半结构化、非结构化等复杂类型数据挖掘。 A Method for Mining Data of Sequential Images---- Rebuilding of Gray (Position) time Function on Arbitrary Direction Lines （基于图表数据库知识发现系统的概念等级聚类 ） 3）分布式数据挖掘系统。 4）动态、在线数据挖掘系统。 5）流数据、混合数据与不完备数据挖掘系统。;（3）新技术与方法的引入（其它学科领域的渗透） 如：人工免疫系统方法；协同验算方法;模拟退火算法；保角变换方法；黎曼几何方法等。 （4）理论融合交叉性研究 如：基于RoughSet的证据推理算法；模糊关系数据模型与粗集结合算法等。认知心理学、认知物理学、认知生物学等。 （5）基础理论研究 内在机理研究；自主知识发现框架；DM=数据集+似然关系+挖掘算法等。;第二部分 数据挖掘在商务智能决策中的应用;一、基于信息挖掘的新型智能决策支持系统;但是，传统的决策支持系统尚存在着推理技术单调，自学习能力较差，形成知识库中的知识不足够丰富这一新的“瓶颈”现象。近年来Internet迅速发展，网上信息极大丰富而知识却相对缺乏，并且这些信息和以往决策支持系统所处理的信息不同，是非结构化的，这就使其处理方式也必然有所不同。所以新一代决策支持系统的发展方向是高度智能化，以多种知识表示、自组织协同工作、自动知识获取和自适应能力较强等为特征。 ;为此，我们提出了基于信息挖掘的智能决策支持系统IDSSIM，这里的信息挖掘区别于通常的数据挖掘，是从结构化数据或复杂类型数据（文本、日志、音频、视频、图像等）中提取新颖、潜在有用知识的非平凡抽取过程。所形成的IDSSIM结构模型可广泛应用于各行各业在管理信息系统的基础上所提升的辅助决策支持系统中。 IDSSIM的总体结构模型如下图所示：;;其理论基础是我们提出的基于双库协同机制的知识发现系统KDD*和WEB数据挖掘过程，它以多个知识源的知识融合、多抽象级与不同知识层次的结构，以及使数据库、知识库、方法库、模型库、文本库、日志库六库协同运作为特征，形成了极其丰富的动态知识库系统与相应的集成推理机制，为解决决策系统构造中的核心技术提供了一条有效的途径，也从根本上提高了决策支持系统的实用化程度。 ;系统的核心是“源于信息的知识发现KDBI”（Knowledge Discovery Based on Information），它在模块实现上主要包含三个部分：基于双库协同机制的知识发现子系统（KDD*）、基于推理机制的知识发现子系统（KDRM）和基于WEB挖掘的知识发现子系统（KDWM）。可粗略地表示为：KDBI ＝ KDD*+KDRM+KDWM。 ;首先，六库（数据库、知识库、方法库、模型库、文本库、日志库）在多库管理子系统的管理下协同运作。知识获取子系统可以从领域专家那里获取知识，也可以获取书本中的知识，并将这些知识存储在知识库中。基于信息挖掘的新型智能决策支持系统。;其次，知识库中的知识可以直接纳入综合知识库，也可以被基于双库协同机制的知识发现（KDD*）子系统利用，在以属性为基础的知识库建库原则下，通过搜索知识库中知识结点的不关联态，产生“创见意向”，发现短缺知识。;再次，基于推理机制的知识发现子系统（KDRM）,包括用一种或多种知识表示方法描述的已知问题及其解法的描述集合的知识库和需要求解的问题集；通过Fuzzy推理、演绎推理、广义综合归纳推理和基于案例的推理等，构造规则集和发现新知识。来自WEB的信息首先被存储在文本库和日志库中，并由基于WEB的知识发现子系统挖掘关于访问信息、文本和结构方面