多种数据挖掘技术对于电子商务分类问题研究

发布时间：2017-10-26 06:15

  本文关键词：多种数据挖掘技术对于电子商务分类问题研究

  更多相关文章： 数据挖掘 电子商务 分类模型

【摘要】：电子商务行业竞争激烈,数据的价值正日益受到市场的重视。然而,相关统计工具仅提供统计信息、统计模型和假设检验结论,仍缺乏对数据空间的细节认知。而数据挖掘技术正是从数据空间和信息论的角度对数据进行分析,给出宏观与微观的数据结构特征,并利用这些特征帮助对未分类数据进行预测。不同领域的数据具有不同的分布特征,且名义属性、数值属性的分类效率是截然不同的,这使得传统分类器只适用于特定的场合。普适优化的分类器模型需要在克服以上困难的同时,利用尽可能多的信息对一个分类问题进行建模,以统一的方法和流程提供数据空间的特征知识,提升预测性能水平。考虑到电子商务数据集的数据量一般较大,分类器应尽量分散计算负担,以提高训练和预测计算速度。同时,电子商务的数据具有分布式,流量大等特点,其数据需要被有效整合并理解,以促进企业的发展。本文对数据挖掘相关技术进行了分析,指出现有技术存在的不足,如对数据类型,尺度和结构限制较多,且分类模型并非普适,对大型数据运算较慢等。本文描述了产生上述不足的原因,在改进现有挖掘技术的基础上,提出针对电子商务数据分布特点的新模型,并给出实验结果和模型的加速性能,通过和现有模型的对比,论证该模型方案的有效性和优越性,同时,明确相关指标阀值的重要性。
【关键词】：数据挖掘 电子商务 分类模型
【学位授予单位】：复旦大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP311.13
【目录】：

• 摘要5-6
• Abstract6-7
• 第一章 引言7-10
• 1.1 研究背景7-8
• 1.2 本文贡献8-9
• 1.3 本文结构9-10
• 第二章 预备知识及定义10-12
• 2.1 属性分类10
• 2.2 数据预处理10-11
• 2.3 数据分群11-12
• 第三章 数据挖掘算法分析12-30
• 3.1 聚类12-16
• 3.1.1 基于中心聚类12-13
• 3.1.2 基于密度聚类及可视化改进13-15
• 3.1.3 聚类评价指标15-16
• 3.2 非线性分类器16-30
• 3.2.1 决策树16-18
• 3.2.2 神经网络及算法改进18-23
• 3.2.3 神经网络堆叠泛化及算法改进23-24
• 3.2.4 高斯过程24-29
• 3.2.5 预测准确度定义29-30
• 第四章 电子商务分类优化整合模型设计30-43
• 4.1 聚类算法特性分析30-32
• 4.2 非线性分类器特性分析32-34
• 4.3 模型设计方案34-41
• 4.3.1 模型设计思路34-37
• 4.3.2 模型训练37-39
• 4.3.3 模型预测39-41
• 4.3.4 模型准确度定义41
• 4.4 G-KM-NC模型综述41-43
• 第五章 模型性能分析43-63
• 5.1 实验1,互联网广告43-53
• 5.1.1 性能基线44
• 5.1.2 分群44-49
• 5.1.3 分群+聚类49-52
• 5.1.4 加速52
• 5.1.5 小结52-53
• 5.2 实验2,小额信贷审批53-61
• 5.2.1 性能基线55
• 5.2.2 分群55-57
• 5.2.3 分群+聚类57-59
• 5.2.4 加速59-60
• 5.2.5 小结60-61
• 5.3 模型性能综述61-63
• 第六章 总结63-64
• 参考文献64-68
• 致谢68-69
• 硕士期间发表的论文69-70

【相似文献】

中国期刊全文数据库 前10条

1 张红军;谈谈数据挖掘技术及其应用[J];广西梧州师范高等专科学校学报;2003年03期

2 杨雪;浅析数据挖掘技术[J];华南金融电脑;2005年08期

3 李继嵬;刘书明;李春平;;数据挖掘技术在税收预测分析中的应用[J];计算机系统应用;2006年09期

4 刘春明;;数据挖掘技术在金融行业中的应用[J];科技资讯;2006年25期

5 劳飞;朱玉业;;数据挖掘技术在农业中的应用[J];安徽农业科学;2007年13期

6 何树称;罗岚;;数据挖掘技术在客户获取中的应用分析[J];保山师专学报;2007年02期

7 汪楠;成鹰;崔婀娜;;数据挖掘技术怎么用[J];经营与管理;2007年07期

8 马骋;;数据挖掘技术探讨[J];化工之友;2007年17期

9 赵颖;;数据挖掘技术在政府电子政务中的应用[J];软件导刊;2008年11期

10 徐晓伟;;浅谈数据挖掘技术[J];福建电脑;2008年12期

中国重要会议论文全文数据库 前10条

1 孙义明;曾继东;;数据挖掘技术及其应用[A];全国计算机安全学术交流会论文集（第二十二卷）[C];2007年

2 马洪杰;曲晓飞;;数据挖掘技术和过程的特点[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

3 宁红梅;安志兴;葛亚明;李敬玺;赵坤;钟华;陈俊杰;崔艳红;;数据挖掘技术在兽医学中的应用[A];Proceedings of 2010 National Vocational Education of Communications and Information Technology Conference (2010 NVCIC)[C];2010年

4 王桂芹;黄道;;数据挖掘技术综述[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

5 徐宝莲;李晓奇;;数据挖掘技术在网络游戏中的应用[A];第十一届中国不确定系统年会、第十五届中国青年信息与管理学者大会论文集[C];2013年

6 胡广芹;陆小左;;数据挖掘技术在中医诊断中的应用[A];中国中西医结合学会诊断专业委员会2009’年会论文集[C];2009年

7 戈欣;吴晓芬;许建荣;;数据挖掘技术在放射科医疗管理中的潜在作用[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

8 铁军;吴智明;;数据挖掘技术在工业铝电解生产中的应用[A];第十九届全国数据库学术会议论文集（技术报告篇）[C];2002年

9 王建华;王菲;黄国建;;数据挖掘技术研究的现状及展望[A];中国运筹学会第六届学术交流会论文集（上卷）[C];2000年

10 肖健华;吴今培;;数据挖掘技术及其应用实例[A];2001年中国智能自动化会议论文集（下册）[C];2001年

中国重要报纸全文数据库 前10条

1 记者　吕贤如;大力加强数据挖掘技术研究应用[N];光明日报;2006年

2 主持人 李禾;数据挖掘技术如何驱动经济车轮[N];科技日报;2007年

3 梅静彦;数据挖掘技术在美国银行的应用[N];金融时报;2006年

4 邹广普;数据挖掘技术在保险业中的应用[N];中国保险报;2010年

5 陈晓 山西财经大学教师;数据挖掘技术在高校教学管理中的应用[N];山西经济日报;2010年

6 张崇峰;挖掘，再挖掘[N];中国计算机报;2003年

7 刘红岩、何军;利用数据挖掘技术获得商业智能[N];中国计算机报;2003年

8 ;IBM公司推出新型数据挖掘技术[N];中国高新技术产业导报;2001年

9 刘军 兰小红 龚富强;新技术为老装备“保驾护航”[N];大众科技报;2006年

10 ;软件产业人才培养又辟新路[N];中国高新技术产业导报;2000年

中国博士学位论文全文数据库 前10条

1 姚山;基于数据挖掘技术的造林决策研究[D];北京林业大学;2008年

2 曹秀英;基于粗集的数据挖掘技术及其应用研究[D];哈尔滨工程大学;2003年

3 伍平阳;基于数据挖掘技术的医疗设备绩效预测方法的应用研究[D];南方医科大学;2008年

4 刘刚;数据挖掘技术与分类算法研究[D];中国人民解放军信息工程大学;2004年

5 王勇;时序数据挖掘技术及其在水质预测中的应用研究[D];广东工业大学;2005年

6 毛国君;数据挖掘技术与关联规则挖掘算法研究[D];北京工业大学;2003年

7 熊忠阳;面向商业智能的并行数据挖掘技术及应用研究[D];重庆大学;2004年

8 朱恒民;领域知识制导的数据挖掘技术及其在中药提取中的应用[D];南京航空航天大学;2006年

9 王萍;基于数据挖掘技术的消费者行为研究[D];吉林大学;2004年

10 白一鸣;基于数据挖掘技术的模糊推理系统设计[D];大连海事大学;2013年

中国硕士学位论文全文数据库 前10条

1 吴辉;数据挖掘技术的研究与应用[D];武汉理工大学;2009年

2 冯璐;基于数据挖掘技术的犯罪规律分析研究[D];青岛大学;2009年

3 郭珉江;数据挖掘技术在疾病诊断相关分组中的应用[D];中南大学;2009年

4 倪泉;基于数据挖掘技术的保险续期催交方法研究[D];华东师范大学;2006年

5 张晨希;数据挖掘技术在股票预测中的应用[D];安徽大学;2006年

6 安建华;数据挖掘技术在零售业中的应用研究[D];东北财经大学;2005年

7 沈捷;数据挖掘技术在银行反洗钱领域中的应用研究[D];浙江大学;2007年

8 贾琳;数据挖掘技术及应用的研究[D];兰州理工大学;2003年

9 许惠君;数据挖掘技术及其在径流预报中的研究与应用[D];华中科技大学;2006年

10 张飒;数据挖掘技术在银行监管工作中的应用[D];吉林大学;2007年

，

本文编号：1097380