面向人口收入管理的數(shù)據(jù)挖掘研究與應(yīng)用.pdf

1、隨著我國(guó)信息化產(chǎn)業(yè)的繁榮發(fā)展，數(shù)據(jù)挖掘作為一門新興的交叉學(xué)科在各行業(yè)的廣泛應(yīng)用引起了信息產(chǎn)業(yè)界的極大關(guān)注，同時(shí)，這門技術(shù)具備的強(qiáng)大數(shù)據(jù)分析優(yōu)勢(shì)對(duì)傳統(tǒng)的數(shù)據(jù)管理模式產(chǎn)生了較大沖擊。而數(shù)據(jù)挖掘算法分析是貫穿于整個(gè)數(shù)據(jù)挖掘過程的一個(gè)重要環(huán)節(jié)，對(duì)算法的研究和改進(jìn)是不斷提高數(shù)據(jù)挖掘效率的有效途徑。因此，構(gòu)建一個(gè)高效的數(shù)據(jù)挖掘算法，與開發(fā)相應(yīng)的應(yīng)用管理系統(tǒng)，將能大大改善目前傳統(tǒng)數(shù)據(jù)管理系統(tǒng)所處的瓶頸現(xiàn)狀。
　　 本文對(duì)數(shù)據(jù)挖掘技術(shù)的相關(guān)基本

2、概念進(jìn)行了介紹，從分析Apriori算法和K-Means算法原理入手，探索經(jīng)典的數(shù)據(jù)挖掘算法存在的不足，并對(duì)其進(jìn)行優(yōu)化和改進(jìn)。算法研究的重點(diǎn)之一是針對(duì)Apriori算法在候選集產(chǎn)生過程中存在的不足提出了一種優(yōu)化有效候選集產(chǎn)生的MA-Apriori算法，該算法在原有傳統(tǒng)Apriori算法基礎(chǔ)上，改進(jìn)了數(shù)據(jù)集的存儲(chǔ)方式，增加了候選集產(chǎn)生的判斷條件，提高了原算法頻繁項(xiàng)集生成的準(zhǔn)確性;對(duì)K-Means算法的改進(jìn)是算法研究的另一重點(diǎn)，針對(duì)K-Me

3、ans算法初始聚類中心點(diǎn)隨機(jī)選取的不確定性，提出了一種改進(jìn)的IM-K-Means算法，該算法在原K-Means算法基礎(chǔ)上調(diào)整了初始聚類中心點(diǎn)的選取方法，縮短了尋找最優(yōu)聚類中心點(diǎn)的時(shí)間，提高了算法效率。
　　 其次，利用SPSS Clementine數(shù)據(jù)挖掘軟件搭建關(guān)聯(lián)、聚類、分類和預(yù)測(cè)四種建模過程，該軟件采用了CRISP-DM標(biāo)準(zhǔn)，實(shí)現(xiàn)對(duì)原始數(shù)據(jù)隱藏信息較為全面的挖掘和結(jié)果分析說明，將所得建模結(jié)果作為后續(xù)人口收入管理系統(tǒng)運(yùn)行結(jié)果