企业信息情报系统开发
第一篇：企业信息情报系统开发
情报研判系统开发,重点人员行为轨迹系统开发
随着我国经济社会的发展和法律体系的不断健全，执法工作所涉及的范围越来越广，执法工作量日益增加。警务应用系统能够提供统一的公共服务调用，统一的移动应用综合管理平台，并且提供了涵盖公安网站、移动办公、综合查询、交警现场和非现场执法、应用商城、消息提醒、警务微信等基础的交警业务应用。
公安系统大部分业务应用系统的数据采集，都是由各业务部门通过专门的工作流程来统一组织进行。这样，一方面使得系统的数据无法及时更新，另一方面又造成部分数据多头采集且互不一致现象。因此急需建立一个统一的平台，使全体民警的日常工作过程成为信息采集过程，变“事后采集”为“过程采集”，实现 “一次采集，多次利用”、“一点采集，全警共享”。
所以公安系统信息化建设需要在进一步深化“政府上网工程”、结合行政改革和再造行政业务流程的基础上，由基础建设向应用整合的方向发展。具体表现为：
一是实现公安部门内部网络化办公，实现内部信息共享、内部资源整合、内部决策支持;
二是整合各部门业务系统，加强各应用系统之间的互联互通，形成综合的、只有一个窗口对外的服务系统。 公安警务综合系统业务整合解决方案就是要结合公安系统信息化建设的总体进程，充分利用信息化手段加强有效管理，促进职能转变，提高办事效率和管理水平，加强对信息化社会的管理和服务职能。 业务整合平台建设的目的就是充分整合现有资源，构建一个“大整合、高共享、流程化”的警务综合系统，着力提升公安工作的信息化、现代化水平，增强公安机关驾驭社会治安和预防、打击犯罪的能力，同时提高公安机关的科学决策水平，消除潜在社会治安隐患;进一步规范公安的基础工作和执法监督，为实施警务信息主导警务战略提供强有力的技术支撑。智慧公安系统开发：前面138中间2315后面3201 “业务整合平台”是公安系统“警务综合系统”的基础和核心，是实现具有松紧耦合相结合的警务系统的关键，它将相互独立的公安应用系统整合为一个统一的公安综合应用系统。
源中瑞专注开发智慧公安系统，为了兼顾海量数据存储处理与系统实时性的要求，源中瑞开发的大数据应用系统采用两种数据存储处理模式：人口、车辆、嫌疑人员等础信息，以及一定时间范围内的案件等规模有限的数据，采用Oracle、MySQL等传统关系型数据库存储，满足系统高实时性访问的需要;案件的历史数据、视频、日志等海量数据采用Hadoop 集群中HDFS文件系统和Hbase数据库存储，实现海量数据的有效存储与处理并支持系统未来的横向扩展。同时，为数据访问服务提供统一的数据访问接口，为上层应用实现透明化的数据访问服务，系统的内部实现细节，数据访问服务架构。 作为一个优秀的智慧警务大数据决策平台能够协助管理者做到事前预警、事中指挥调度、事后分析研判，全面提升公安机关智能化决策能力，提升警务资源利用和服务价值，为预防打击违法犯罪、维护社会稳定提供有力的信息决策手段。
第二篇：公安情报分析研判系统重点人员管控系统开发
大数据合成研判平台架构基于Hadoop技术，通过“物联网”技术进行身份、车牌、人脸、手机、指纹和声音等信息录入采集，传输至平台，并与公安已有数据资源对接，进行大数据深层挖掘和智能研判应用，不仅可以对人员、车辆、事件等实时监控报警，还可以对比历史数据进行分析研判合成，从而做到提前布控和精准拦截，为公安人员提供有力的数据支撑。 大数据多维度预测分析：
通过大数据平台和算法对历史数据、网格化密度变化比等多个维度对数据进行对比和实时分析，从而实现预测未来趋势变化和人群多维度分析。
可视化大数据研判平台：
以公安大数据为主导，实时汇总、反馈各类社会信息、互联网信息等，打造分析模型、人群碰撞等模块，使信息按照一定规则产生关联分析，并形成数据的可视化;最终使各类数据产生有价值的情报信息，并智能化的产生合成研判结果。 海量大数据秒级查询：
真正实现了多维度海量数据实时查询，全维度配置条件，一键查询，即刻计算并呈现数据合成研判结果。 高性能数据碰撞处理：
汇聚整合对公安作战、情报研判等工作能发挥重要作用的各类社会数据，深入挖掘各类数据的分析研判，将数据的碰撞比对发挥到极致，提高数据的有效利用率。智慧公安系统开发：前面138中间2315后面3201 智慧公安情报研判分析系统
智慧公安情报研判分析系统是集基础信息采集、情报信息研判、数据查询、从底层数据采集到高端研判应用自上至下贯穿整个公安局情报信息化业务。实现了情报信息即时研判。进一步实现了情报主导警务。建立健全情报信息收集、研判机制，形成全警采集、全警录入、专人管理的情报工作格局，最大限度地扩充情报信息资源。实行分层分级研判。对情报信息进行汇总分析，评估形势，预测趋势，打破传统警务模式基础上的警务理念和机制，让公安干警真正做到耳聪目明，提高精确打击、精确防控、积极服务的能力， 多维度情报检索：
支持多数据源检索、智能化的检索服务、主题搜索、海量数据高效处理、提供丰富检索语法、分布式系统支持 多样化情报研判手断： 通过对各类情报数据的碰撞比对、频率分析、数据挖掘、分词技求、多维分析，实现各类要素之间的深度关联，提升情报研判的准确性 系统高可扩展性：
系统采用SOA全面架构，将数据和业务逻辑融合成模型化的业务模块，具有文档接口，明确的设计和简单的方式有助于系统的开发和进一步扩展。 多样可视化呈现手段
系统提供丰富的图标呈现方式，包括散点图、折线图、柱状图、饼图、雷达图、K线图、热力图、箱线图、关系图、桑葚图等，除了平面表图，还支持基于三维空间场景的图表叠加 重点人员管控系统
重点人员管控系统在大数据平台全面汇集人、案、物、机构、地点、情报等六要素数据，充分利用系统现有研判资源、手段，结合警务基础平台、刑侦、禁毒等各数据，集中展现重点人员的基础信息、动态信息、管控信息、现实表现信息、关系人信息、关联信息、文本情报信息、人工研判信息、流程控制等信息，清楚地体现研判过程，直观、准确地展现出重点人员中不同时间节点、不同地域范围的行为轨迹、活动规律和可能异常动向，有效筛选违法犯罪嫌疑度高和对社会稳定危害性大的重点人员，以便采取针对性的分类管控措施，提高重点人员积分预警的科学性、高效性，满足重点人员积分升降、颜色变化的要求。
系统碎片式管理：
系统由单一的操作管理转变为碎片式管理，将各级部门管控平台打通，所有事件记录实时告警主机上传，通过实现数据采集共享和资源整合，将前端采集的数据传输到管控平台得以最大化的利用，减少人力和物力的投入 重点人员数据统一调度：
集中统一管理全市重点人员基础信息，通过多模式的比对预警后，实时对预警数据同步进行分析挖掘，以形成预警信息的闭环运行，实现重点人员异常预警、离市人员信息预警， 重点人员行为异常轨迹分析：
通过对重点人员的基本信息及行为轨迹等数据实时碰撞与挖掘，对重点人员的异常行为及时预警，已提高公安干警对犯罪行为的预知、预防的目的，为管控重点人员提供有力的数据支撑 警情预测模型 将全市分为若干区块，热力图的颜色为拟合值，颜色越接近与红色，则该区块的案发数量越多，随即选择热点区域长的一点，可给出对该点拟合的区域点个数，及对拟合的贡献情况。
第三篇：如何建立企业竞争情报系统
80年代初，随着冷战时代的结束，美苏之间的军备竞赛被全球化的市场竞争所取代。商战的加
一、构建原则----建立以项目为基础的竞争情报机制
建立以项目为基础的竞争情报调查和分析程序主要基于下列原因：
1、项目能系统地与企业的战略规划结合起来;
2、能够针对特定的竞争对手和问题提供解决方案;
3、在一个更全面的系统中进行有效的管理;
4、提高数据管理的有效性和效率;
5、提供具有可操作性的建议;
二、以项目为基础从事竞争情报活动的优势在于：
1、可以将项目与战略规模系统地结合起来;
2、调查竞争对手或其它情报需求往往是以专门的项目为基础的，以项目为基础的管理比对综合系统的管理更有效，数据采集效率也更高;
3、在情报分析阶段能够提出可付诸行动的信息和情报。
三、企业实施以项目为基础的情报活动时，竞争情报人员从事情报采集和分析的步骤包括：
1、管理人员向情报人员提出要求;
情报人员要经常与管理人员进行沟通，了解他们到底需要和使用什么情报;并应就情报人员与决策者的沟通方式和方法进行研究培训;
2、情报采集，通过信息系统获得二次信息，通过与竞争对手、供应商和客户直接交谈，获取第一手情报;
通过人际网络，与销售人员、研究开发人员直接进行交流;
3、对数据和信息进行分析。现实世界是复杂的，情报人员不只负责数据采集，而且应该对数据进行分析。情报人员只有提供分析性的情报，才能与决策者平等地坐在一起讨论问题。
4、提供具有建设性的意见和可付诸实施的方案;
四、在采集竞争情报时，应该避免出现下面的情况：
1、很多情报人员只采集信息，既不对决策者的需求进行分析，也不对采集到的信息进行分析
2、情报人员不提供建议和可供实施的方案，这会导致决策者很少利用这些情报
3、与项目有关的情报80%在企业内部或人际网络中已经存在，因此，对现有人际网络和信息系统进行管理非常重要。
4、不要以为情报越多越好，比较好的方法是将目光集中在特定的项目上。面向企业的情报工作应以特定项目、特定需求为重点，而不是面面俱到，专门化的情报调查应与企业的发展目标结合在一起。
5、情报人员往往不是从决策的角度，而是从采集信息的角度从事情报工作，使情报分析报告偏离用户的真正需要。应该学会从管理者的角度搜集情报。情报人员在调查时，应该明确情报的用
途和目的;情报人员在接受情报查询请求时，应该再“把球踢回去”，请管理人员和用户讲清收集情报的目的和作用是什么，这可以节省管理人员和情报人员的时间。
五、在根据项目的要求进行调查时，受到的限制主要来自7个方面，它们是时间、财政、法律、最终用户、人力资源、职业道德和机构设置。导致项目失败的因素主要有：
1、情报调查目标不明确。
2、过份注重情报的外在形式，却忽视了有实质意义的建议。
3、忽略了最主要的竞争对手。
4、回报递减，即过于注重情报的细节(如成本结构为12.34587%)，忽略了关键内容，降低了情报的价值。
方法陈旧，利用相同的技术。从事不同的项目应该利用不同的方法和工具(计量、定性)进行分析。
六、企业竞争情报的提供包括：
(1)信息采集和报告。
建立人际网络，人际网络应涉及企业的各个部门，以非常自然、巧妙和令人舒服的方式从对方口中获取更多的信息。通过人际网络套取的大量情报，许多细节往往具有重要的情报价值。例如，美国一位输油站工作人员发现一辆满载油管的火车向南方驶去，当即把这一信息反馈给情报人员;情报人员经调查发现竞争对手正在一个新的区域铺设天然气管道，从而掌握了竞争对手的动向。这说明偶尔发现的信息也会成为企业的一条重要情报。
(2)信息服务。
提供行业快讯，从企业内外的大型数据库检索信息汇集编纂竞争对手情况，建立详细的文档资料。有效管理，建立企业的管理数据库和主要软件。情报检索包括检索二次信息数据库系统，如通过数据库查询竞争对手的情况。
(3)情报分析。
这是企业竞争情报活动中最重要也是最薄弱的环节，其中包括情报预警，预测可能出现的机遇，对未来前景进行预测。情报分析属于研究类情报工作，只有通过研究和分析，才能提供行动方案。为了提高企业情报人员的分析能力，需要进行专门的培训。
(4)情报通讯。
很多管理人员认为情报通讯并没有什么特别的价值，通讯往往缺乏建议。但福特汽车公司的情报通讯很成功，该通讯除了提供竞争情报外，还指明这些情报对福特汽车公司意味着什么，情报人员特别用不同颜色的纸张并配以不同版式印刷，目的是引起管理者的注意。
(5)情报评估，对特定主题给予综合分析。
情报评估往往由一个专门小组进行，通常由情报提供人员与分析人员共同完成。分析的内容包括竞争对手情况，行业发展状况，或进入一个国家和市场所必需掌握的信息。
(6)工业通讯和信息。
(7)智能预警、评测和预报。提供分析预警报告，分析当前企业最“关注”的课题。
七、企业在实施竞争情报过程中应坚持的要点
-----以实践为主、以未来为导向、全球眼光、将正式和非正式人际网络结合起来。
八、提供竞争情报需要注意的其他问题：
1、情报人员在建议可实施的方案时，一定要清楚地交待资料的来源和出处，明确告诉读者，哪
些情报资料是无法获得的。人们在报告中往往指明情报意味着什么，而忽略说明情报并不意味着什么，而这一点是很重要的。
2、要以多种方式提供情报，将分析预警报告分别以电子邮件、小册子、光盘、或录音电话的方式传递给使用者。这样他不会有借口说我没有收到情报。
3、情报人员使用的语言与管理人员是不同的。双方需要沟通达到共识。
4、把企业情报系统做为一个学习系统。计算机系统只是情报人员利用的工具，情报系统应该成为整个企业的学习系统。
5、在设计情报系统中，请来四方人员(情报专家，公司图书馆员，管理人员，中间商)共同参予。管理人员有时很少使用企业的情报系统，其中一个重要原因是在设计这一系统的过程中，管理人员并没有参予，其情报需求也没有被考虑在内。
6、情报人员应创建信息技术平台。如：Merck公司是最大的制药公司，而制药行业是信息最密集的行业，该公司所创建的数据使管理人员能够查询某一处方是由哪一位医生在哪一天开的。这一信息平台可以将分散在各处的信息集中在一起。
7、好的情报系统应有四个标准：便宜，可应用，界面友好，自我维护(如对于无人理睬或参予的论坛，计算机软件会自动将其删除)。由于该系统非常昂贵，自我维护可以降低成本。
8、随时向决策者通报项目进展情况。随着项目的进行，企业决策人员应对项目的进程了如指掌，不应该出现出乎意料的情况。
9、在项目开始时，应该在企业决策者和情报人员之间建立良好的交流渠道。如通过计算机设置表格让决策者填写，并将表格反馈给情报人员。通过这种计算机表格往来，企业决策者和情报人员共同协商一个解决方案。在项目完成之后，情报人员再将表格反馈给管理人员.表格也成为管理人员评估情报人员工作的一项指标。
第四篇：供电企业生产信息管理系统软件的开发相关问题论文
> 办公系统软件开发合同 推荐度： 安全生产相关规章制度 推荐度： 企业面试官面试的问题 推荐度： 企业经典面试问题 推荐度： 虎相关的成语 推荐度： 相关推荐
第五篇：数据挖掘在企业竞争情报系统中的应用
摘要：本文主要概述了数据挖掘技术的发展历史和研究现状。并将数据挖掘技术在企业竞争情报系统中的应用状况分别从国内和国外两方面作了介绍。同时对数据挖掘技术在企业竞争中的应用的相关经典理论与最新理论作了简要的介绍。
关键词: 数据挖掘;企业竞争情报; 知识发现
中图分类号: TP39
21. 引言
数据挖掘也称知识发现。数据挖掘是一门不断发展的综合交叉学科，兴起于20世纪80年代末，是当前计算机行业最热门的研究领域之一。数据挖掘理论汇聚了数据库、可视化、并行计算等方面的技术，集统计学、人工智能、模式识别、计算机科学、机器学习等多门学科理论知识为一体。数据挖掘技术从本质上来说是一种新的商业信息处理技术。[1]从商业角度看，数据挖掘技术就是按企业的既定的业务目标，对大量的企业数据进行深层次分析以揭示隐藏的，未知的规律并将其模型化，从而支持商业决策活动。[2]
2. 研究历史
2.1 国外历史
从数据库中发现知识(KDD)一词首次出现在1989年举行的第十一届国际联合人工智能学术会议上。到目前为止，由美国人工智能协会主办的KDD国际研讨会已经召开了8次，规模由原来的专题讨论会发展到国际学术大会，研究重点也逐渐从发现方法转向系统应用，注重多种发现策略和技术的集成，以及多种学科之间的相互渗透。1999年，亚太地区在北京召开的第三届PAKDD会议收到158篇论文，空前热烈。IEEE的Knowledge and Data Engineering会刊率先在1993年出版了KDD技术专刊。并行计算、计算机网络和信息工程等其他领域的国际学会、学刊也把数据挖掘和知识发现列为专题和专刊讨论，甚至到了脍炙人口的程度。[3]
2.2 国内历史
与国外相比，国内对DMKD的研究稍晚，没有形成整体力量。1993年国家自然科学基金首次支持我们对该领域的研究项目。[4]目前，国内的许多科研单位和高等院校竞相开展知识发现的基础理论及其应用研究，这些单位包括清华大学、中科院计算技术研究所、空军第三研究所、海军装备论证中心等。其中，北京系统工程研究所对模糊方法在知识发现中的
应用进行了较深入的研究，北京大学也在开展对数据立方体代数的研究，华中理工大学、复旦大学、浙江大学、中国科技大学、中科院数学研究所、吉林大学等单位开展了对关联规则开采算法的优化和改造;南京大学、四川联合大学和上海交通大学等单位探讨、研究了非结构化数据的知识发现以及Web数据挖掘。[5]
2.3 重要理论
1997年，Mannila对当时流行的数据挖掘理论的理论框架给出了综述。[6]结合最新的研究成果，有下面一些重要的理论。
模式发现架构理论，规则发现架构理论，基于概率与统计理论，微观经济学观点理论，基于数据压缩的理论，基于归纳数据库理论，可视化数据挖掘理论。这些经典的理论直到今天还是研究的热门。而且也不能算是完善的理论。毕竟数据挖掘的概念的提出不过几十年。Piatetsky-Shapiro说数据挖掘技术在被广泛应用之前，仍然有许多“鸿沟”要跨越，即所谓Chasm阶段。[7]
3. 研究现状
3.1国外研究与应用现状
最近，Gartner Group的一次高级技术调查将数据挖掘和人工智能列为“未来三到五年内将对工业产生深远影响的五大关键技术”之首，并且还将并行处理体系和数据挖掘列为未来五年内投资焦点的十大新兴技术前两位。根据最近Gartner的HPC研究表明，“随着数据捕获、传输和存储技术的快速发展，大型系统用户将更多地需要采用新技术来挖掘市场以外的价值，采用更为广阔的并行处理系统来创建新的商业增长点。”[8]
据美国《幸福》杂志统计，全球500强企业的前100名企业和美国95%的公司均拥有自己的竞争情报系统，帮助企业根据竞争环境和竞争对手的各种变化，赢得竞争的主动权。根据美国未来集团对世界500强企业的调查统计，竞争情报对企业效益所作的贡献占企业总效益的比率分别是：微软为17%、摩托罗拉为11%、IBM为9%、宝洁为8%、通用电气为7%、惠普为7%、可口可乐为5%、英特尔为5%。[9]
3.2国内研究与应用现状
我国学者对竞争情报的研究始于20世纪80年代末期。当时，上海科技情报所的研究人员在国外进修期间接触到竞争情报的概念，并将其引入到国内，拉开了我国竞争情报研究的序幕。
1991—1994年，中国兵器工业情报研究所牵头进行了一项课题“情报研究的国内外比较研究"，提出了把我国情报研究工作的重点转向竞争情报，推进国家、集团和企业的科技进步，增强它们的竞争力和提高产品与服务的市场占有率方面来的重要对策。1992年中期，上海科学技术情报研究所成立了“市场调研部”，开始进行竞争情报实践的探索。由该所负责的“上海轿车工业竞争环境监视系统”是国内竞争情报领域第一个由政府立项的研究课题，于1992年10月立项、1993年底结束。1994年9月，国家计委、国家科委、国防科工委、北京市政府等部门联合召开了“全国竞争情报与企业发展研讨会"。1 996年，北京市科委将竞争情报软科学纳入“北京市工业振兴计划"中。作为四个示范工程之一，“北京市竞争情报示范工程”由兵器信息研究所、航天信息研究所具体承担。示范工程以中介组织与企业合作的
方式开展，在电子，电器、医药、化工、纺织和烟草等行业中选择不同盈利状况的企业，共计8个项目，主要研究竞争情报系统(cis)的数据库设计报系统、网络设计等，至1999年10 月己完成了6个并通过验收。1999年年中，北京市科委决定成立“北京市竞争情报咨询服务中心"，以“北京市竞争情报示范工程”的主要承担单位航天信息研究所为依托单位，“在北京市企业开展竞争情报的推广工作，培养一批竞争情报研究专家，帮助企业开展竞争情报研究，建立符合企业实际的竞争情报组织体系，为企业科学决策提供依据”。进入2l世纪，我国的海尔、康佳、创维等大型企业集团分别在美国、印度、墨西哥设立了其海外工厂，竞争情报的应用为他们开拓海外市场起到事半功倍的作用。在国内已经有一些大中型企业开始接受外部咨询公司的服务，并着手建设自己的竞争情报体系。包括医药行业的：三九医药、哈药三厂、六厂、上海罗氏、西安杨森、同仁堂等;百货行业的：西单商场、武汉中商;金融行业的：深圳发展银行、上海浦发银行、中国民生银行等企业。2000年12月，由中国兵器工业第二一零研究所牵头，北京大学信息管理系、中国科技信息研究所和北京牡丹电子集团参与的一项国家自然科学基金会项目“企业竞争情报系统的模式和运行机制研究”结题，在总结国内外经验的基础上，构造了由三个网络、三个系统、一个中心、六大功能构成的企业竞争情报系统，并给出了竞争情报分析方法及其评价指标，详细介绍了竞争对手跟踪、关键成功因素分析、核心竞争力分析和多点竞争分析方法以及计算机技术在竞争情报分析中的应用。目前，国内市场上已出现了专业的竞争情报系统产品。2002年8月下旬，百度公司正式发布了业界首例企业竞争情报系统，据该公司的宣传材料称，名为e.CIS的百度企业竞争情报系统集情报计划、采集、管理和服务为一体，能够帮助企业对整体竞争环境和竞争对手进行全面监测，同时收集和分析商业竞争中企业商业行为的优势、劣势及潜在的机遇，可以由此使企业建立起·个强大的情报中心。竞争情报系统正在以燎原之势迅速发展。虽然竞争情报工作在我国已有相当程度的发展，企业界对竞争情报的认识正在逐渐深化，但是这项很有意义的工作还并没有大范围的推广普及。据“企业竞争情报系统的模式和运行机制研究”课题的一项以竞争情报分会会员为样本的调查显示，在调查对象中，只有18.75%的企业拥有竞争情报部门，并且已经建立了正规化的工作流程与情报网络。在27.78%的企业中，竞争情报工作只具有图书馆功黥没有建立正式的竞争情报流程或网络。而高达53.47%的企业处于正在建立正式的竞争情报组织与网络的发展过程中。但同时，竞争情报流程己制度化，拥有世界范围网络，并具有相当反应能力的企业数则为零，这说明我国多数企业竞争情报工作尚处于发展中，我国竞争情报事业的发展任重道远引。[10]
3.3目前的研究方向与重要理论
数据挖掘技术与特定商业的平滑问题。商业逻辑有机地嵌入数据挖掘过程等关键问题，将是数据挖掘技术研究和应用的重要方向。数据挖掘技术与特定数据存储类型的适应问题 不同的数据存储方式会影响数据挖掘的具体实现机制，目标定位，技术有效性等。大型数据的选择与规格化问题。数据挖掘技术是面向大型数据集的，而且源数据库中的数据时动态变化的，数据存在噪音，不确定性，信息丢失，信息冗余，数据分布稀疏等问题，因此挖掘前的预处理工作是必须的。数据挖掘技术又是面向特定商业目标的，大量的数据需要选择性的利用，因此针对特定挖掘问题进行数据选择，针对特定挖掘方法进行数据规格化是无法回避的问题。数据挖掘系统的架构与交互式挖掘技术。数据挖掘语言与系统的可视化问题。数据挖掘理论与算法研究。[11]
4.结语
当前商业竞争异常激烈，企业迅速掌握有效的信息非常重要。数据挖掘技术在企业竞争情报系统中的应用使得企业从海量信息中彻底解放出来。当前数据挖掘技术正在快速发展阶段，它对企业方方面面的价值日渐凸显。相关专业人士应该充分关注当前最新的发展理论。
参考文献
[1] 毛国君，段立娟，王实，石云.数据挖掘原理与算法(第二版)[M].北京：清华大学出版社，2007.
[2] 毛国君.数据挖掘的概念﹑系统结构与方法[M].北京：清华大学出版社，2009.
[3] 百度空间：数据挖掘[EB/OL].[2011-12-25]
[4] 洪家荣.空间数据挖掘和知识发现的理论与方法[M].北京：人民邮电出版社，2001.
[5]邵峰晶，于忠清.数据挖掘原理与算法[M]北京：中国水利水电出版社，2003.
[6] 陈敏.数据挖掘技术在商业中的应用研究[M].上海：上海科学技术出版社，2005.
[7]苏新宁杨建林等.数据仓库和数据挖掘[M]北京：清华大学出版社，2006：60—63.
[8] 百度百科：[EB/OL].[2011-12-25].
[10]刘晓燕，单晓红.数据挖掘在竞争情报系统中的应用[J].管理学报，2009，2(2)：1 29—1 30
[11] 史忠植.知识发现[M].北京：清华大学出版社，2010.