數(shù)據(jù)挖掘的人力資源統(tǒng)計(jì)數(shù)據(jù)異常檢測(cè)方法研究及應(yīng)用.pdf

1、隨著我國(guó)社會(huì)經(jīng)濟(jì)的發(fā)展，政府統(tǒng)計(jì)部門對(duì)企業(yè)上報(bào)的數(shù)據(jù)的要求越來(lái)越高，個(gè)別企業(yè)從自身利益出發(fā)存在著虛報(bào)、瞞報(bào)現(xiàn)象。如何甄別企業(yè)上報(bào)數(shù)據(jù)中的不真實(shí)數(shù)據(jù)進(jìn)而保證數(shù)據(jù)質(zhì)量成為統(tǒng)計(jì)領(lǐng)域亟待解決的課題。利用數(shù)據(jù)挖掘技術(shù)對(duì)海量數(shù)據(jù)進(jìn)行異常數(shù)據(jù)的檢測(cè)是一種可行的方法，但該技術(shù)在統(tǒng)計(jì)領(lǐng)域被研究得不多。本文圍繞如何運(yùn)用數(shù)據(jù)挖掘技術(shù)在人力資源統(tǒng)計(jì)數(shù)據(jù)中進(jìn)行異常數(shù)據(jù)檢測(cè)的自適應(yīng)方法及應(yīng)用展開研究工作。本文的主要研究工作有以下幾點(diǎn)。
　　首先，本文對(duì)數(shù)據(jù)挖

2、掘技術(shù)和異常檢測(cè)方法進(jìn)行了梳理，重點(diǎn)對(duì)K-means和DBSCAN兩個(gè)聚類算法進(jìn)行了深入的研究。
　　接著，提出了一種基于混合聚類的自適應(yīng)異常檢測(cè)方法。該方法改進(jìn)K-means算法提供了自動(dòng)計(jì)算合適K值的方法，結(jié)合了K-means和DBSCAN聚類算法的優(yōu)點(diǎn)，實(shí)現(xiàn)參數(shù)的自適應(yīng)，避免了人工干預(yù)。運(yùn)用改進(jìn)的K-means算法一次聚類計(jì)算DBSCAN算法的初始值，用DBSCAN算法二次聚類即可得到異常數(shù)據(jù)。
　　最后，以本文提出的