图2-8常用药知名老中医马祥治疗胃炎的常用药物药性分析104张处方中出现的药性为平、温、寒、凉、微温、微寒，分析结果显示药性，所使用频率由高到低依次为温，平，微寒，寒，微温（72次），热（42次），凉（10次）。图2-9药性分布知名老中医马祥治疗胃炎的常用药物药味分析104张处方中，药味分布最多的是味苦的药物，药味分析结果以苦味为主，如图2-10所示。......
2023-11-08
银联数据工作现状及挖掘结果
【摘要】：基于传统的数据分析工具和平台，数据分析人员已经开展了多方面的数据分析和挖掘工作，主要体现在如下几个方面： 经营决策方面。分析银联业务整体运行情况，为公司业务经营决策提供重要参考；通过从海量历史交易数据中进行规则提取和验证，发现受理市场中的违规现象及具体违规情况，为市场规范工作提供基础条件等。
经过十余年的快速发展，中国银联已积累了大量数据，其中蕴藏着巨大的价值，数据大致可以分为交易数据、客体信息数据、技术运营数据、业务经营数据四大类。
基于传统的数据分析工具和平台，数据分析人员已经开展了多方面的数据分析和挖掘工作，主要体现在如下几个方面：
(1) 经营决策方面。分析银联业务整体运行情况，为公司业务经营决策提供重要参考；通过从海量历史交易数据中进行规则提取和验证，发现受理市场中的违规现象及具体违规情况，为市场规范工作提供基础条件等。
(2) 运营优化方面。开展风险防控建设工作，结合各类新技术的综合应用，完成相关风险模型的构建，实现对交易的异常风险监控；建设基于客户行为特征的风险智能模型体系，实现对不同客户风险偏好的差异化风险监控等。(www.chuimin.cn)
(3) 市场分析与营销支持方面。分析市场发展现状和趋势，为市场拓展和各级业务决策提供支持；围绕收单银行、非金机构、重点行业、大商户及持卡人用户进行深入数据分析，为各类市场营销活动提供对象筛选、策略制定、效果评估等全流程的数据支持。
(4) 客户服务方面。开展国内商业银行卡产品信息、国际知名卡组织及国际知名银行卡产品信息的收集与分析，为卡产品分析及银行服务工作提供数据支撑；根据各商业银行特点有针对性地提供专项数据分析，提高对各家商业银行的服务水平；开展围绕持卡人的数据分析和挖掘工作，为产品设计及推广、客户忠诚度计划实施等提供数据支持。
现有的技术支撑工具满足了公司各方面基本的数据处理需求，但对进一步挖掘数据价值已显得力不从心，需要重新规划和建设整体架构统一、满足个性化需求、融合传统数据处理技术和新兴大数据技术的大数据基础设施。
有关2017年软件工程论文专集的文章
- 详细阅读
-
数据挖掘应用现状及发展趋势详细阅读
在生物医药领域，功能性染色体、蛋白质组成和生物制药的研究在近10年中进展迅猛。DNA序列构成了所有生命基因代码的基础，氨基酸是构成蛋白质的基石，其中包含着生命特征的决定信息，分析其结构序列是生物研究的重要手段。数据挖掘技术在生物领域研究中扮演着重要角色，如多蛋白质序列中的连接、检索、相似性搜索和对比分析；基因网络和蛋白质路径的结构分析；共生基因序列的关联分析等[25]。......
2023-06-16
-
数据挖掘算法实验验证综述：探究的结果详细阅读
计算这些序列的频率和时间平均方差形成特征向量，利用此特征向量数据进行了多方面的实验，验证其在人的行为识别方面的有效性。实验表明，当分段长度达到30帧以上时，就可获得很高的分类精度，且分段长度的变化对识别精度影响就会很小了。......
2023-06-16
-
医药领域大数据挖掘技术的关联规则挖掘详细阅读
关联规则是寻找在同一个事件中出现的不同项的相关性。关联分析即利用关联规则进行数据挖掘。关联规则挖掘问题的描述：项目集，设I=｛i1，i2，…关联规则挖掘的目标，给定一个事务集合T，关联规则挖掘即找出T中所有满足支持度和置信度分别高于一个用户指定的最小支持度和最小置信度的关联规则。......
2023-11-08
-
大数据挖掘技术在医药领域的实验设计和结果分析详细阅读
数据预处理：在数据集中以手工标记的方式从原始数据集中选取八类药品安全领域数据共5667例作为后续实验数据。表5-16基于NB和Hadoop的话题跟踪算法测试结果由表5-16可知，基于Hadoop平台的朴素贝叶斯分类算法能够运行并实现测试样本的正确分类。实验结果表明，朴素贝叶斯返回相关实例的能力，即精确度相对较好；而识别所有相关实例的能力，即召回率相对较差；且调和平均指标，即F1的整体最佳模型出现在阈值0.57处，即话题4。......
2023-11-08
-
医药数据聚类分析：大数据挖掘应用详细阅读
表4-2某大型医院三年住院治疗情况（续表）医学图像数据聚类分析。中医药数据聚类分析。图4-1聚类数据示例聚类分析在数据挖掘中的作用：作为一个独立的工具来获得数据集中数据的分布情况。Q型聚类分析是对样本进行分类处理。根据变量的分类结果以及它们之间的关系，可以选择主要变量进行回归分析或Q型聚类分析。......
2023-11-08
-
文本数据挖掘：挖掘文本中的有用信息详细阅读
数据清洗这是文本挖掘中关键的一步。因此文本内容无法用目前的数据挖掘技术直接进行处理，需要对文本进行预处理。通常文本型数据都具有相当大的维度空间，将导致在文本挖掘阶段消耗更多的计算机资源与处理时间。通过用户预定义的评估指标体系对文本挖掘所获取的知识进行评价，并根据评价结果抉择是否留用。文本挖掘的结果是面向各种应用的知识模式。通过评估可以改进文本挖掘的知识发现过程。......
2023-06-28
-
数据挖掘中常用的方法详细阅读
常用的数据挖掘方法有四大类，分别对应四个问题，这四个问题是数据挖掘的基础，分别是聚类挖掘、分类挖掘、关联模式挖掘和异常值检测。1)K最近邻分类算法K最近邻分类算法可以说是整个数据挖掘分类技术中最简单的方法。目前，数据挖掘领域有大量的聚类算法。......
2023-06-21
相关推荐