简介:在软件行业中,五年就像是一个地质时代。五年前,Microsoft宣布了自己的Micorsoft.NETFramework计划。从那以后,DataSet(数据集)才开始作为关键对象出现在基于.NET的应用程序中,执行多种数据相关的任务。也是五年前,DataSet被誉为ADO记录集(Recordset)的威力增强版。那么在.NETFramework出现之前,您是如何设计数据访问层(DAL,DataAccessLayer)的呢?我想您一定是以ADO和它全能的Recordset对象——断开的、且可进行XML序列化的——为中心构建数据访问层。
简介:本文作者从实际应用出发,对现存数据挖掘决策树分类方法进行了研究,并应用到系统当中,实现了决策支持模块。关键词数掘挖掘;决策树算法;改进;实现中图分类号TP301.6文献标识码A文章编号1007-9599(2010)04-0000-02DataMiningDecisionTreeImprovement&ImplementationXiaYan,ZhouXiaohong,WangDong(ChangchunTechnologyCollege,Changchun130033,China)AbstractTheauthorstudiedonexistingDataMiningdecisiontreeclassificationmethodbasedonthepracticalapplication,andappliedtothesystem,achievedadecisionsupportmodule.KeywordsDataMining;Decisiontreealgorithm;Improve;Achieve随着数据库技术的不断发展及数据库管理系统的广泛应用,数据库中存储的数据量急剧增大,在大量的数据背后隐藏着许多重要的信息,如果能把这些信息从数据库中抽取出来,将会产生重要的作用。因此,数据挖掘涉及的学科领域逐渐扩大,数据挖掘的方法也在不断地改进和提高。分类在数据挖掘中是一项非常重要的任务,分类算法可以分为决策树分类算法、遗传算法、神经网络方法、K-最近邻分类算法等。这里,以疾病防控与儿童免疫管理系统中决策支持子系统的开发过程为例,对决策树分类算法的改进及在实际中的应用进行阐述。一、数据选取和数据预处理在本系统中,以预防接种中遇到异常反应后记录的“异常反应调查表”中的数据为例进行说明。具体实现过程详细说明首先输入训练集,由于在真实的SQLServer数据库当中,为了降低存储要求和减少存储时间,并非真正存储每个数据项的属性值,而是用存储数字来对应相应的意义,如在数据库的数据表中,“性别”字段中“1”代表“男”、“2”代表“女”,反应到程序页面时再映射回原来的值,为了说理清晰又限于篇幅,这里只将所有数据集中有代表性的十几组数据作为分类模型创建的输入训练集。表1判断是否需要计划外加强免疫的属性表儿童编号月龄出生状态常住地上次注射后反应是否需要计划外加强免疫0405102<=2正常产城市无不良反应否0405495<=2正常产农村无不良反应否0401342>5正常产城市无不良反应是04054352…5正常产城市轻度反应是04065342…5非正常产城市重度反应是04072342…5非正常产农村重度反应否0401544>5非正常产农村重度反应是0408519<=2正常产城市轻度反应否0404566<=2非正常产城市重度反应是04035472…5非正常产城市轻度反应是0401534<=2非正常产农村轻度反应是0405856>5正常产农村轻度反应是0409533>5非正常产城市无不良反应是04053442…5正常产农村轻度反应否二、生成决策树对训练集的每一个属性,计算其信息增益。以“月龄”属性为例,每个结点中的正反例的个数分别为[2,3]、3,2、4,0,分别计算如下info2,3==0.971;info3,2==0.971;info4,0=0;计算信息熵E(月龄)==0.693;计算该属性的信息增益量,选取信息增益最大的属性为节点,按该属性的值划分数据集合Gain(月龄)=Info(9,5)-E(月龄)=0.940-0.693=0.247;同理,对“注射反应”属性、“出生状态”属性、“常住地”属性都可计算每个结点的正反例的个数(由于篇幅有限,不作计算)。通过对各属性信息增益的计算结果,选择“月龄”属性作为根节点,然后划分“月龄<=2”的所有可能性。计算当“月龄<=2”时,“注射反应”、“出生状态”、“常住地”的信息增益值Gain(注射反应)=Info(2,3)-E(注射反应)=0.971-0.4=0.571;Gain(出生状态)=Info(2,3)-E(出生状态)=0.971-0=0.971;Gain(常住地)=Info(2,3)-E(常住地)=0.972-0.951=0.020;同理考虑“月龄>5”的情况,由于“月龄>5”时,各个节点都是纯节点,所以不再划分。三、产生决策规则遍历决策树,输出叶结点类属性值,用IF—THEN形式表达为IF(月龄2…5AND注射反应=无)THEN(类别=是)IF(月龄2…5AND注射反应=轻)THEN(类别=是)IF(月龄2…5AND注射反应=重AND出生状态=正常产)THEN(类别=是)IF(月龄2…5AND注射反应=重AND出生状态=非正常产AND常住地=城市)THEN(类别=否)IF(月龄2…5AND注射反应=重AND出生状态=非正常产AND常住地=农村)THEN(类别=是)……依此类推,共可产生十三条规则。四、决策支持子系统的分析用上述基于决策树的分类算法所得到的模型生成的规则来预测测试集中的未知数据属于哪一类,并通过该模型的测试结果与实际情况相吻合的准确率来判断该决策树是否有效。首先,用整个数据集中2/3的数据作为训练集按照基于决策树的分类算法来建立模型,生成一棵决策树。然后,用余下的1/3的数据作为测试集,通过创建的模型进行预测,并将预测结果和实际值进行比较。如果准确率达到或超过事先确定的阈值,则可以认定该模型对于数据分类是有效的,能够在实际中应用;反之,则认定该模型的分类效果不好,需要按以上步骤来重新判断,直到分类准确率达到预定的阈值为止。在本系统中,经过测试预测准确率已达到87%,在可以接受的范围内,所以算法是有效、可行的。参考文献1陈文伟,黄金才.数据仓库与数据挖掘.人民邮电出版社,20042王万森.人工智能原理及应用.电子工业出版社,20003范明,孟小峰.数据挖掘——概念与技术.机械工业出版社,2001作者简介夏琰(1980-),女,吉林长春人。长春职业技术学院信息技术分院,教师,讲师,硕士,研究方向为计算机应用。
简介:从教师素质、教学方法、考核方法等方面逐一分析网络营销课程教学中存在的问题,引导学生参加网络营销实践。以提高教学效果为目标进行改革。关键词网络营销;课程改革;实践教学中图分类号TN915.03文献标识码A文章编号1007-9599(2010)04-0000-01PracticeTeachingThinkingofOnlineMarketingCourseXuRuizhao(ShangqiuNormalCollege,ComputerTechDepartment,Shangqiu476000,China)AbstractAnalyzetheproblemexistinginthecourseofOnlineMarketingfromrespectssuchasteacher'squality,teachingmethods,examinationmethods,etc.Thenweleadstudentstoparticipateinonlinemarketingpractice.Regardimprovingtheteachingeffectasthegoalandcarryonthereform.KeywordsOnlinemarketing;Coursereform;Practiceteaching一、引言20世纪90年代初,对人类社会发展进程最有影响的事物莫过于互联网,网络深入到人类生活的方方面面,引起了整个社会的变化。人们在获取信息的手段和方法上突破了传统时空的限制。互联网的飞速发展在全球范围内掀起了互联网应用热,世界各大公司纷纷利用互联网提供信息服务和拓展公司的业务范围,并且按照互联网的特点积极改组企业内部结构和探索新的管理营销方法,网络营销应运而生1。网络营销跟传统的学科比较起来仍然比较新,目前国内外关于网络营销的教学体系仍然不统一有侧重于网络营销理论的,有侧重于网络营销技术的,也有侧重于网络营销实践的。每一种教学体系都有他的预期教学目标。针对与不同层次不同环境的学生我们也应该有所侧重、因材施教。二、《网络营销》实践教学现状(一)教师水平参差不齐《网络营销》课程不同于传统的理工科的数学、物理、化学或者文科的政治、历史或者是地理。它是一门交叉学科,需要综合的知识。网络营销涉及到管理学的管理理论、市场营销理论,涉及到统计学的统计分析方法,涉及到网络技术、计算机技术,涉及到经济学的市场分析等等。然而,恰恰是这样一个需要具备较高综合素养的教学岗位,往往招揽不到合适的教学人选。通常的情况是,有些学校的《网络营销》课程选择了教授《市场营销》的老师代替,或者计算机专业的相关老师来代替。长此以往的结果是,理论和实践相脱离。学生得不到一个综合的训练。学生拿市场营销的理论直接套用在网络营销上,效果肯定不理想。甚至学生学习《网络营销》到最后变成了网站建设,建一个在线销售的网站了事。(二)实践课时分配有限2。网络营销课程分为理论教学和实践教学两部分,其中实践课时只占总课时的四分之一,就是这四分之一的时间也往往是被学生自己上网所占用,没有很好的老师指导实业。作为一门实践性的学科,在较短的实验课时内,学生很难按照自己的意愿做实验,影响了学生创造能力的培养。(三)实践环境脱离实际3。现有的网络营销实践系统通过设置模拟商业环境,训练学生掌握各种网络营销方法,基本为虚拟实践系统,缺乏真实的商业环境和企业参与,无法提高学生的实际市场运作能力。网络营销发展的非常快,一些新的思路和模式根本在模拟环境下没办法体现。另外,即便是加入些新的模块,实验环境和现实网络营销实际还是会有很大的不同。(四)考核方式过于单一。目前《网络营销》课程的考核方式仍然以理论考试为主,强调的是学生的识记背诵能力,而网络营销的本质动手实践却没有得到足够的重视。这就造成了学生学习的时候不注重实践,只注重理论的结果。最终导致理论脱离实践,学生觉得没有学到有用实用的东西。三、《网络营销》实践教学改革(一)提高教师素质。提高教师素质应该从《网络营销》课程的实际出发,从理论到技术到实践,对教师进行全面素质的提高。要想提高学生的实践素质,首先作为教师除了应该具备相应的理论知识外,还要有相关的实践经验,只有如此,才能够有能力指导学生。网络营销是一个发展的很快的实践活动,作为教师应该时刻关注最新发展动态,并亲自实践,总结成败得失,然后灵活应用于课堂,指导学生。(二)增加实践课时。实践课时分配过少也是目前实践教学当中存在的一个突出问题,没有时间保证,学生很难在网络营销实践方面学到知识。现在的教学分配一般实践课程仅占总学时的1/4到1/3,我认为,网络营销的实践课时至少要提高到1/2,让学生充分实践多种网络营销环境,自我解决实践当中遇到的各种问题。(三)学生亲自实践。以往的情况,实践课程一般在实验室软件模拟的环境下进行,这远远不够,学生必须参加真正的网络营销实践活动,才能切实体会到网络营销实践中需要的知识,才能够更加深刻的理解课本中相关理论。比如,我们可以要求学生自己在淘宝网上开一个小店,自己选择产品。我们现在分析这个实践过程会涉及到我们网络营销课程上的那些理论知识。首先,我们选择在淘宝上开店,要了解淘宝网是一个什么样的网站,在我们所学的理论知识中,我们知道淘宝网的模式是B2C和C2C。接下来我们要选择产品,选择什么样的产品?这里涉及到市场调研的知识,我们要了解我们的销售对象,他们有什么的潜在需求,这些需求有什么样的特点等等。选择了产品以后,我们又要考虑到品牌推广、产品促销。当然还要涉及到进货渠道、物流选择等等。这里的重点是产品促销,如何在激烈的淘宝网凸显出来我们的产品,这是一个非常有挑战性的营销实践。我们是选择SEO(即搜索引擎优化)还是选择普通的网络广告,是选择百度凤巢计划还是GoogleAdwords还是选择相应的广告联盟来推广,还是进行综合的应用。这些都是在实践过程当中我们要根据实际需要作出自我的判断。当然,有了客户以后,如何维护客户的关系也是网络营销理论中客户关系管理的实践应用。(四)进行灵活考核。增加了学生的实践时间,自然考核的时候不能仅仅以背诵的理论知识为考题。我们可以合理划分比重,比如理论占50%,实践成绩占50%。理论成绩容易考核,关键实践我们采取什么样的标准,这个需要根据我们给学生的实践指导来制定。四、结语《网络营销》是一门实践性非常强的课程,所以我们在对实践教学进行改革的时候强调了学生亲自实践。一方面,调动学生积极性,通过实践更好的理解课本理论知识;另一方面,通过实践,弥补教材的滞后性。唯有如此,我们《网络营销》课程才能变成真正的紧密联系实际的,切实提高学生动手能力和素质的学生喜爱的课程。参考文献1李蔚田.网络营销实务J.北京北京大学出版社,2009,42孙玉玲.网络营销课程实验教学研究.全国商情(经济理论研究),2009,103钱瑛.对《网络营销》课程教学的思考.云南财经大学学报(社会科学版),2009,10
简介:在现代民主的政治范畴中,群众参与公共决策的制定已经成为群众的一项基本权力,同时也是实现政治民主,决策科学的重要体现。随着网络信息的不断发展信息通信技术正在电子政务迅速发展的前提下不断对自身的发展进行改革,传统的电子政务参与方式已经不能满足人民日益增长的需求。信息现代化与传统的公共决策方式进行比较,使群众在参与公共决策上打破了原有条件在时间以及空间等方面的束缚,大大提升了群众参与的积极性,同时也提升了参与的效果,并且极大的满足了群众参与公共决策的希望。在电子政务环境不断完善下,群众利用电子平台参与到政府的决策中,并且与制定者进行互动交流。充分的表达自身的意见与诉求,逐渐发展成为一种政治现象。分析电子政务环境下群众参与公共决策的方式,对于实现决策民主化,提升公共决策质量,提高政府信誉有着重要的现实意义。
简介:本文首先讨论了数据挖掘技术,给出了一种企业决策系统。并就决策系统的构成、流程和采用的数据挖掘技术进行了探讨。关键词数据挖掘;数据仓库;企业决策系统中图分类号N37文献标识码A文章编号1007-9599(2010)04-0000-01ResearchofDataMiningTechnologyinBusinessDecision-makingSystemShiDongsheng(InnerMongoliaUniversity,Information&EngineeringTechnologyCollege,InnerMongolia,Baotou014010,China)AbstractThispaperdiscussesdataminingtechnology,presentsabusinessdecisionsystem.Decision-makingsystemoncomposition,processanduseofdataminingtechniquesarediscussed.KeywordsDatamining;Datawarehouse;Businessdecision-makingsystem随着计算机管理信息系统的飞速发展和广泛应用,企业生产经营的自动化水平不断提高,大大提高了工作效率。但企业业务系统运行所产生的大量原始数据是企业生产经营活动的真实记录,不能为本企业加以有效的统计、分析及评估,无法将这些数据转换成企业有用的信息、为企业战略决策提供参考和支持。数据挖掘正是在这样的应用需求环境下产生并迅速发展起来的,它的出现为智能地把海量数据转化为有用的信息和知识提供了新的思路和手段,设计开发基于数据挖掘的企业决策系统是合理解决这一问题,提升企业综合竞争力的最佳对策。一、数据挖掘技术数据挖掘,是指从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们不知道的、但又是潜在有用的信息和知识的过程。它是数据库研究中的一个新领域,融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术,把人们对数据的应用从低层次的查询,提升到从数据中挖掘知识,提供决策支持的层级。数据挖掘一般由数据准备、挖掘操作、结果表达和解释三个主要阶段组成。在数据准备阶段应集成多个运作数据源中的数据,解决语义模糊性、处理遗漏数据、清洗脏数据。挖掘阶段是一个假设产生、合成、修正和验证传播的过程,也是上述三个阶段的核心。结果表达和解释阶段根据最终用户的决策目的把提取的有用信息正确地表达出来。数据挖掘的方法和技术可大致划分为三类统计分析、知识发现、可视化技术等。统计分析用于检查异常形式的数据,然后利用统计模型和数学模型来解释这些数据,统计分析方法是目前最成熟的数据挖掘工具。而知识发现则着眼于发现大量数据记录中潜在的有用信息或新的知识,属于所谓“发现驱动”的数据挖掘技术途经。知识发现常用的方法有人工神经网络、决策树、遗传算法、模糊计算或模糊推理等。数据质量、可视化数据的能力、极大数据库尺寸、数据挖掘者的技能、数据的粒度都是影响知识发现方法的重要因素。可视化技术则采用直观的图形方式将信息模式、数据的关联或趋势呈现给决策者,决策者可以通过可视化技术交互式地分析数据关系。二、基于数据挖掘的企业决策系统数据挖掘面对的是经初步加工的数据,使得数据挖掘更专注于知识的发现;而数据仓库用于完成数据的收集、集成、存储、管理等工作,两者必须有机结合起来使用。基于数据挖掘的企业决策系统主要由数据库、数据仓库、数据仓库管理模块、知识库、知识发现模块、数据挖掘工具、人机交互模块构成(如下图所示)。系统的输入主要源于经过初步处理的数据库数据以及存储在知识库中的历史知识和经验;数据仓库管理模块用于数据仓库的建立以及数据的筛选操作;知识发现模块控制并管理知识发现过程,它将数据的输入和知识库中的信息用于驱动数据选择过程、知识发现引擎过程和发现的评价过程;人机交互模块通过自然语言处理和语义查询在用户和系统之间提供相互联系的集成界面。数据挖掘工具用于完成实际决策问题所需的各种查询检索工具、多维数据的联机分析分析工具等,以实现决策支持系统的各种要求。数据挖掘主要提供了以下几种模式(一)分类模式根据数据的值从树根开始搜索,沿着数据满足的分支往上走,直到树叶确定类别。(二)回归模式回归模式与分类模式相似,区别在于分类模式的预测值是离散的,而回归模式的预测值是连续的。(三)时间序列模式根据数据随时间变化的趋势预测将来的值。只有充分考虑时间因素,利用现有数据随时间变化的一系列的值,才能更好地预测将来的值。(四)聚类模式把数据划分到不同的组,组之间的差别尽可能大,组内的差别尽可能小,进行聚类前并不知道将要划分成几个组和什么样的组。(五)关联模式利用数据项之间的关联规则。(刘)和概念描述和比较操作把具有共同性的数据做汇总操作,从而得到一个具有一般性的规则描述。在实际应用中,可以根据具体情况采用不同模式组合,达到最优化的数据挖掘方式。在用户使用该系统时,首先需要通过分析决策需求,描述和表示决策的问题,确定数据来源,即可建立数据仓库;其次针对所要发现的任务的所属类别,设计或选择上述有效的数据挖掘算法并加以实现,从平凡的历史数据中提出综合数据,独立存储为库文件,作为更高一层数据挖掘对象;同时测试以评价所发现的知识,对知识进行一致性、效用性处理。最后根据最终用户的要求,建立适用于决策支持的数据仓库的集成界面和应用程序,使用户能在决策支持中运用所发现的知识。对于该系统的执行,每个步骤包含了循环和反复,可以对发现的知识不断求精、深化,并使其易于理解。三、结论总之,数据挖掘技术可以使其应用者由原来通过定期的、固定的报表进行定性的分析而上升到实时的、动态的各种形式的图表进行定量的分析,从而可以敏感地发现市场的微小变化并迅速做出反应,为企业在激烈的市场竞争中立于不败之地提供了强有力的工具。参考文献1范明,孟小峰.anjiawei,etal.数据挖掘概念与技术M.北京机械工业出版社,20072李捷.基于数据仓库和数据挖掘的企业决策支持系统研究J.科技经济市场,2006,73范丽霞,张雪兰.利用数据仓库和数据挖掘实现电信决策支持系统J.计算机与现代化,2005,8