信息安全毕业论文_数据挖掘_开题报告精选.doc

信息安全毕业论文_数据挖掘_开题报告精选.doc

  1. 1、本文档共16页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
信息安全毕业论文_数据挖掘_开题报告精选

浙江大学远程教育学院 本科生毕业论文(设计) 题 目 专 业 学习中心 姓 名 学 号 指导教师 2010年10月28日 论 文 摘 要 数据挖掘技术逐渐成为研究热点,应用越来越广泛。随着国民经济的快速发展,零售业快速发展,竞争激烈,零售企业也积累了大量的原始数据。数据挖掘技术中的关联规则挖掘是购物篮分析的最重要的一种技术,购物篮分析有很多人研究,但利用分析后的数据来指导企业的经营不多,本文重着重研究购物篮分析后的一些有用的信息,是怎样来指导企业经营分析,构成一个数据挖掘的闭环系统。 关键词:数据挖掘、零售业、购物篮分析、聚类分析 目录 一、 课题研究的背景及意义及介绍商业智能和数据挖掘技术的相关内容 4 (一) 课题研究的背景及意义 4 (二) 国内外关于数据挖掘技术研究现状 4 1、 国内研究现状 4 2、国外研究现状 4 (三) 本文研究内容概述 5 二、 根据零售超市的行业数据特点,分析数据挖掘的在零售的行业主要应用 5 (一) 关联规则挖掘 5 (二) 聚类分析 5 三、 介绍关联规则算法理论基础 5 (一) 阐述经典算法Apriori算法 6 四、 关联规则挖掘模型建模 8 (一) 数据预处理 8 (二) 使用SPSS Clementine 软件实现Apriori算法及性能 11 1、定义数据源(数据装载) 11 2、 关联模型参数说明: 11 五、 全文的总结及数据挖掘以后在零售行业的研究方向 15 (一) 全文总结 15 (二) 数据挖掘以后在零售行业的研究方向及前景展望 15 六、 参考文献: 16 课题研究的背景及意义及介绍商业智能和数据挖掘技术的相关内容 课题研究的背景及意义 零售企业在经营过程中产生了海量的信息,这些信息蕴藏了丰富的和市场规律。怎样有效地利用这些宝贵的信息,让它们更好地为企业经营服务,成为了零售企业的一个迫切愿望和现实难点。 国内外关于数据挖掘技术研究现状 国内研究现状 数据挖掘技术研究应用领域广泛,不仅应用到传统行业比如零售行业、电信行业、银行业等行业,而且随着科学技术的不断进步和信息化程度的不断加快,中国零售企业的信息化已进入挖掘价值的时代。专家指出,如果说科学决策是企业的高级境界,那么数据挖掘则是目前企业信息化的高级境界。从数据中寻找知识和思想、挖掘财富、发现决策依据,这些正是数据挖掘对企业的直接贡献,也是企业信息化的重要体现。当前国内零售业的数据挖掘工作基本上还处于探索阶段,据了解,许多零售企业使用收款结帐设备获得的海量相关销售数据,都没有得到充分的应用,这些数据本来可以帮助零售商实施精准营销,控制库存、降低库存风险等以创造更大的商业价值,却被零售企业忽略掉了。国内的零售企业的应用数量多,但高水平的应用比较少,国内的各种零售业态基本上都是从国克隆过来的,直观上的如布局、装潢、商品阵列、促销方式,甚至包括员工的服务方式等都是容易学习的,而对于诸如仓储、物流、管理、客户数据的收集、整理和挖掘这些方面,由于是在后台进行,所以很难快速学习并投入实用,更不用说成熟的数据挖掘方案了。对于零售行业的数据挖掘研究,主要集中在购物篮分析、CRM顾客分析等,购物篮分析的国内理论研究方面主要聚集于关联规则算法本身的研究和度量规则的优化。复旦大学一直从事这方面的研究,朱扬勇等把一个应用于特征规则基于差异思想的兴趣度定义运用到关联规则中,重新设置了兴趣度;武汉科技大学的张新霞等提出基于统计相关性的兴趣度关联规则; 2、国外研究现状 在国外,数据挖掘已经投入应用领域,SAS公司的Enterprise Mnier,Oracle OBIEE,IBM的BO,NCR的Teradata WareHouse Miner等软件已经被广泛在各个商业领域中。很多大型的零售商都采用了数据挖掘工具来进行决策分析,关联规则挖掘已经投入应用领域,交叉销售、库存控制和客户分类设计等都是零售业数据挖掘的主要内容。以沃尔玛为例它采用了BO的方案,信息化已发展到以营销和顾客为中心的阶段并开发出了一些像优惠卷和积分卡的应用。通过数据仓库记录的消费者的详细信息,很容易做进一步的深入挖掘和分析,以了解消费者的消费习惯从而实施交叉销售等数据挖掘应用。 它们都没有将数据数据挖掘技术和零售业的应用结合起来,今后的一些研究方向主要针对以下几个问题:一是在处理海量数据时,如何提高算法效率;二是如何进一步研究迅速更新的数据的挖掘;三是在挖掘的过程中,提供一种与用户进行交互的方法,将用户的领域知识结合在其中;四是生

文档评论(0)

feixiang2017 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档