基于数据挖掘的预测决策方法研究

发布时间：2017-06-02 11:14

  本文关键词：基于数据挖掘的预测决策方法研究，由笔耕文化传播整理发布。

【摘要】： 随着科技的发展和网络化时代的到来，凭借数据库技术和数据库管理系统，人们收集、存储数据的能力得到显著提高。如何有效地分析这些数据，预测未来，并辅助决策成为摆在人们面前的一大课题。在面对海量、复杂的数据和实时分析的要求时，传统的预测决策方法在诸多方面存在不足之处。而基于数据挖掘的预测决策方法则能有效地弥补上述不足，展现出其强大的生命力。本论文便是这一课题的有益探讨。 本文所做的主要工作有： (1)回顾了数据挖掘的发展历程、功能、应用和流程，对数据挖掘未来的发展进行了展望。同时，总结了数据挖掘和统计学这两门学科的异同。 (2)关联规则挖掘技术的分析与研究。在对经典的关联规则挖掘理论进行系统表述的基础上，介绍了经典的关联规则算法Apriori及各种改进算法，并给出如何利用R软件去应用这些算法。 (3)研究了序列模式挖掘。同样地，对经典的序列模式挖掘理论进行了系统表述，并比较了关联规则挖掘和序列模式挖掘之间的异同。同关联规则挖掘一样，序列模式挖掘也需借助相应的算法，本论文给出了三种序列模式挖掘算法。 (4)时间序列挖掘研究。主要探讨了时间序列挖掘中的趋势分析、基于ARMA模型序列匹配方法的相似序列挖掘和周期分析。 (5)利用模拟数据，借助R和Clementine软件，研究了关联规则挖掘如何应用于购物篮分析，以辅助营销决策。
【关键词】：数据挖掘 预测决策 关联规则 序列模式 时间序列 营销
【学位授予单位】：暨南大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：C934
【目录】：

• 中文摘要4-5
• 英文摘要5-6
• 目录6-8
• 第1章 绪论8-23
• 1.1 研究背景8-14
• 1.2 论文的研究对象及研究意义14-18
• 1.3 论文的研究框架18-23
• 第2章 关联规则挖掘23-39
• 2.1 关联规则挖掘的研究现状23-24
• 2.2 关联规则挖掘的基本问题24-29
• 2.3 关联规则挖掘算法29-35
• 2.4 算法的R语言实现35-39
• 第3章 序列模式挖掘39-52
• 3.1 序列模式挖掘的研究现状39-40
• 3.2 序列模式挖掘的基本问题40-44
• 3.3 序列模式挖掘算法44-49
• 3.4 序列模式挖掘的一个实例49-52
• 第4章 时间序列挖掘52-63
• 4.1 时间序列挖掘的研究现状52-53
• 4.2 趋势分析53-55
• 4.3 基于ARMA模型序列匹配方法的相似序列挖掘55-58
• 4.4 周期分析58-59
• 4.5 时间序列挖掘的一个实例59-63
• 第5章 案例分析63-70
• 5.1 商业理解63-64
• 5.2 数据理解64
• 5.3 数据准备64-66
• 5.4 建立、评估模型66-68
• 5.5 业务实施68-70
• 第6章 结束语70-71
• 参考文献71-73
• 附录173-77
• 附录277-78
• 在校期间发表的学术论文及科研成果清单78-79
• 致谢79

【引证文献】

中国期刊全文数据库 前1条

1 车晓妮;;基于SQL Server 2005的数据挖掘算法应用研究与实现[J];沈阳师范大学学报(自然科学版);2008年04期

中国硕士学位论文全文数据库 前4条

1 左杰;中国人民保险公司车险客户风险评估建模研究及应用[D];中南大学;2011年

2 邢美东;基于数据挖掘的餐饮管理系统的设计与实现[D];东北大学　;2008年

3 詹学朋;商业智能及其关键技术在统计工作中的应用研究[D];暨南大学;2010年

4 吴树勇;基于数据挖掘的油田工程造价管理系统的设计与实现[D];电子科技大学;2009年

  本文关键词：基于数据挖掘的预测决策方法研究，由笔耕文化传播整理发布。

，

本文编号：415101