基于Apriori算法銀行客戶分類系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、隨著世界經(jīng)濟一體化，大量的外資銀行進入中國，使得國內(nèi)銀行業(yè)業(yè)內(nèi)競爭日漸加劇。優(yōu)質(zhì)客戶是銀行的利潤之源，如何發(fā)掘優(yōu)質(zhì)客戶以及發(fā)掘他們的潛在價值就尤為重要了。 本系統(tǒng)發(fā)掘優(yōu)質(zhì)客戶時，采用基于Apriori算法對銀行客戶進行分類。針對Apriori算法存在的產(chǎn)生候選集組合過多和數(shù)據(jù)庫掃描占用系統(tǒng)I/O開銷過大的兩個缺點，提出采用Apriori算法的改進方案：改進后的Apriori算法通過對參與候選集的元素計數(shù)的方法來減少產(chǎn)生候選集的組

2、合和虛擬刪除無效項集建立新的事物數(shù)據(jù)庫來減少數(shù)據(jù)庫的掃描次數(shù)。經(jīng)過科學(xué)的理論分析和大量的實驗結(jié)果表明：時間復(fù)雜度上反映出改進后的Apriori算法時間復(fù)雜度降低了。在空間復(fù)雜度上反映出虛擬刪除多余不符合標(biāo)準(zhǔn)的項集，從而壓縮數(shù)據(jù)庫所帶來的數(shù)據(jù)規(guī)模減小的效果。當(dāng)最小支持為0.33時，改進前平運行時間為50068ms，而改進后平均運行時間為7698ms。因此改進后的Apriori算法提高挖掘的速度和減少數(shù)據(jù)庫的I/O操作時間的開銷，平均運行時

3、間約為改進前的1/7。因此改進后的Apriori算法更優(yōu)于傳統(tǒng)的Apriori算法適合于本系統(tǒng)的分類模型的創(chuàng)建的需要。 本論文首先基于課題研究的背景和意義，對于本系統(tǒng)的存在的意義進行了科學(xué)的闡述。然后具體闡述本系統(tǒng)的需求分析，對于Apriori算法的改進的可行性進行分析論證。同時，論述如何科學(xué)準(zhǔn)確的選出銀行優(yōu)質(zhì)客戶，詳細地講解系統(tǒng)的設(shè)計過程，對系統(tǒng)的模塊構(gòu)成及各個模塊的主要功能和實現(xiàn)流程分別作了深入地分析和介紹。同時結(jié)合客戶關(guān)系