數(shù)據(jù)挖掘在保險海量數(shù)據(jù)中的研究與應用.pdf_第1頁
已閱讀1頁，還剩73頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、數(shù)據(jù)挖掘技術是目前廣泛研究的數(shù)據(jù)庫技術。它可以從大量的數(shù)據(jù)中提煉出有用的潛在的信息，人們可利用這些信息改進工作，提高效率。本文通過對數(shù)據(jù)挖掘的常用技術和算法及數(shù)據(jù)挖掘的體系結(jié)構的詳細介紹和分析，并結(jié)合保險業(yè)海量數(shù)據(jù)的特點，對數(shù)據(jù)挖掘技術在保險領域中的應用進行了探討。 關聯(lián)規(guī)則在數(shù)據(jù)挖掘中是一個重要的研究領域，已有一些較成功的算法，其主要任務是發(fā)現(xiàn)大量數(shù)據(jù)中項集之間的關聯(lián)或相關聯(lián)系。本篇論文提出利用數(shù)據(jù)挖掘技術對保險業(yè)務數(shù)據(jù)進行風

2、險分析，在保險公司建立的保單及索賠信息數(shù)據(jù)庫的基礎上尋找索賠過的和沒有索賠過的投保人各自具有的特征，從而發(fā)現(xiàn)風險較大的領域，得到一些實用的控制風險的方法。 本文提出并且實現(xiàn)了一個改進的關聯(lián)規(guī)則算法：FMFI算法，它利用回溯查詢枚舉出所有的最大頻繁項集。算法利用預測技術來剪切非最大頻繁項集和計算存儲差集技術快速計算支持度，因此能快速剪切查詢空間中不需要的子集，有效提高了原Apriori算法的時間效率。 論文在對數(shù)據(jù)挖掘在保

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論