基于数据挖掘的地区人力资源管理与决策平台

发布时间：2023-03-29 18:20

　　随着计算机和互联网技术的飞速发展,人力资源管理已经实现现代科学化管理。然而传统的数据统计方式无法满足政府或企业在人才引进、培养、储备等工作上的需求,为此利用数据挖掘技术发现人力资源管理系统中的隐含规律,为政府或企业提供决策支持,成了政府和企业迫切关心的问题。本文从研究人力资源管理系统的模型架构和数据仓库的设计出发,将集成思想与开源Weka接口相结合,提出基于多种决策树算法的组合分类器模型。改进了基于规则分类和蚁群算法的数据挖掘模型,将其成功应用于人力资源管理系统的数据挖掘中,得到了理想的分类效果和有效的决策支持。本文的创新工作主要包括:1.提出了人力资源管理系统的业务架构设计方法,并将数据仓库理论与人力资源管理系统相结合,设计了基于主题的人力资源数据仓库以及相应的系统结构。2.在Weka平台上采用加权投票方式设计了基于多种决策树算法的组合分类器。在对人力资源管理系统中数据进行仿真后发现,由组合分类器得到的分类准确率要优于单个分类器的结果。3.为了平衡Ant-Miner算法的收敛速度和全局搜索能力,本文对算法中的确定性选择概率和挥发系数进行了动态自适应设计,并用UCI公共数据库中的数据集...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题研究的背景及意义
    1.2 研究现状
        1.2.1 数据挖掘研究和发展现状
        1.2.2 数据挖掘在人力资源上的研究和应用现状
    1.3 研究内容和思路
    1.4 本文的组织结构
    1.5 小结
第二章 人力资源管理系统架构及数据仓库设计
    2.1 人力资源管理系统简介
    2.2 人力资源管理系统业务架构设计
        2.2.1 整体结构功能框图
        2.2.2 业务处理关系图
        2.2.3 系统框架图
    2.3 数据仓库
    2.4 人力资源系统数据仓库设计
        2.4.1 基于主题的数据仓库设计
        2.4.2 人力资源管理系统数据仓库的系统结构
    2.5 本章小结
第三章 组合决策树及在人力资源管理系统的应用
    3.1 决策树算法
    3.2 Weka简介
    3.3 Weka扩展
        3.3.1 组合分类器
        3.3.2 基于多种决策树算法的组合分类器
    3.4 组合决策树在人力资源管理系统的挖掘应用
        3.4.1 人力资源数据详细信息及数据预处理
        3.4.2 采用Weka中J48算法对人力资源数据进行挖掘
        3.4.3 采用组合决策树算法对人力资源数据进行挖掘
    3.5 结论和展望
    3.6 本章小结
第四章 自适应蚁群分类规则挖掘算法
    4.1 基于规则的分类算法
    4.2 蚁群算法
        4.2.1 蚁群算法的基本原理
        4.2.2 自适应蚁群算法
    4.3 自适应蚁群分类规则挖掘算法
        4.3.1 规则生成
        4.3.2 剪枝策略
        4.3.3 对ρ的自适应设计
        4.3.4 算法描述
    4.4 仿真实验与结果分析
        4.4.1 不同参数值的实验结果
        4.4.2 公共数据集实验结果
        4.4.3 在人力资源数据集上的实验结果
    4.5 结论及展望
    4.6 本章小结
第五章 结论与展望
参考文献
致谢
攻读学位期间发表的学术论文目录



本文编号：3774243