數(shù)據(jù)挖掘算法的加權及其在商業(yè)智能中的實現(xiàn)與應用.pdf

1、隨著計算機技術的發(fā)展，企業(yè)已經(jīng)進入信息化時代并且積累了大量日常數(shù)據(jù)，由于數(shù)據(jù)量的日益增長而出現(xiàn)海量數(shù)據(jù)貧乏知識的現(xiàn)象。數(shù)據(jù)挖掘的出現(xiàn)解決了這個問題，數(shù)據(jù)挖掘可以發(fā)現(xiàn)數(shù)據(jù)中隱含的信息，這些隱含的信息可以輔助企業(yè)管理者決策。商業(yè)智能是數(shù)據(jù)挖掘在企業(yè)中的具體應用，因此本文研究商業(yè)智能。商業(yè)智能主要由數(shù)據(jù)倉庫、ETL(Extraction Transformation Loading)、OLAP（On-Line Transaction Proc

2、essing）、數(shù)據(jù)挖掘組成。
　　由于在實際應用中各因素對結果的影響程度不同，因此首先采用連環(huán)替代法確定各因素的重要程度，然后采用層次分析法對各因素賦以權值，在此權值的基礎之上實施數(shù)據(jù)挖掘算法。使用本文提出的加權算法，通過加權可以減少規(guī)則數(shù)目，著重挖掘用戶感興趣的規(guī)則。構建包含正負關聯(lián)規(guī)則的頻繁模式樹，實現(xiàn)可以挖掘出正負關聯(lián)規(guī)則的加權頻繁模式樹算法。加權最小二乘法通過對因變量和自變量進行準確建模實現(xiàn)預測功能，本文提出使用由連環(huán)替

3、代法和層次分析法確定加權最小二乘法的權值，實驗證明此種確定權值的方法具有很好的擬合度。為了克服樸素貝葉斯的缺陷，本文對加權混合貝葉斯算法進行改進，使用本文的算法進行加權。加權混合貝葉斯算法把屬性分為相互獨立的屬性子集，在屬相子集之間使用加權樸素貝葉斯算法，屬性集內(nèi)部使用加權TAN算法?；旌县惾~斯分類模型，即克服樸素貝葉斯的缺點又具有良好的準確度。本文針對以上算法進行實驗，驗證算法的準確性和有效性。實驗證明，以上加權算法不僅可以良好的體現(xiàn)

4、權值的影響，還可以有效的進行數(shù)據(jù)挖掘工作。
　　企業(yè)使用ERP軟件進行日常工作的管理，ERP系統(tǒng)的數(shù)據(jù)庫中包含大量數(shù)據(jù)為商業(yè)智能提供數(shù)據(jù)源，本文提出商業(yè)智能和ERP集成的體系架構。本文結合現(xiàn)有的ERP軟件，對ERP軟件進行二次開發(fā)，在ERP軟件之上構建商業(yè)智能。本文通過以下步驟實現(xiàn)商業(yè)智能整個流程，采用數(shù)據(jù)平滑處理、數(shù)據(jù)標準變化和極差歸一化進行數(shù)據(jù)預處理、實現(xiàn)數(shù)據(jù)挖掘算法、在ERP軟件上實現(xiàn)商業(yè)智能模塊。本文分別實施上述三個數(shù)據(jù)挖