数据挖掘在军队人才培养上的应用研究

论文题目: 数据挖掘在军队人才培养上的应用研究

论文类型: 硕士论文

论文专业: 计算机技术

作者: 黄杰

导师: 李烈彪,薛鹏

关键词: 知识发现,数据挖掘,关联规则,频繁项目集

文献来源: 重庆大学

发表年度: 2005

论文摘要: 面对信息时代海量数据的出现,如何有效地利用巨量的原始数据分析现状和预测未来,已经成为人类面临的一大挑战。由此数据挖掘技术应运而生并得以迅猛发展。数据挖掘是指从数据库中抽取隐含的、先前未知的、具有潜在使用价值信息的过程,是从“浩如烟海”的数据中“挖掘知识”的过程,是一种新型的数据分析技术。目前,数据挖掘的主要研究领域为数据总结、分类、聚类、关联规则等方面。关联规则是R.Agrawal等首先提出的表示数据库中一组对象之间某种关联关系的规则,成为数据挖掘中最成熟、最重要、最活跃的一个分支。关联规则发现的主要研究方向是算法的优化和扩展应用领域。典型的关联规则发现算法是由R.Agrawal等提出的Apriori算法,其核心技术为其它各类布尔关联规则采掘算法所广泛采用。但是,在计算侯选项目集的支持度时,Apriori算法是在每一个循环中都要扫描整个数据库,而随着K的增大,不仅K维项目集的数目减少了,而且能包含这些项目集的事物也是很少的。由于数据规模大且时常更新,使得采掘效率较低,必须设计更有效的算法。并且,为了得到有效、稳定、可靠的关联规则,要不断调整支持度、可信度这两个阀值。所以,如何设计高效的更新、维护算法也是非常重要的研究课题。基于数据挖掘的研究现状,本文主要进行了以下的研究工作:1.研究了数据采掘技术中的关联规则算法。对经典的Apriori算法作了全面的分析,指出了采掘中的关键步骤和频集算法的不足。研究了对Apriori算法的优化算法现状。研究了关联规则的扩展及数值型数据离散化后提取关联规则的技术,并应用于后面的实例研究。提出了关联规则优化的几个方向,如优化采掘算法、运用领域知识、增加衡量标准、改进采掘方式等。2.针对Apriori算法的不足,提出了一种高效的关联规则挖掘算法EA,利用Lk、Ck中的结果对数据库进行筛选,减少候选项在数据库中查找的记录数,提高了整个算法的效率。3.针对数据库置信度、支持度不断调整的需要,分别给出了minsup和minconf增大减小时关联规则快速的更新算法Minsupchange和Minconfchange,并与Aprior算法作了分析比较。4.将关联规则数据挖掘的方法运用到军队人才评估中。从干部考评数据中进行数据挖掘,找到干部素质与工作实绩的关系问题;在干部配备方面,注意一个单位中配备干部的年龄、学历、能力、工作经历等的合理分配,使干部能够保持

论文目录:

中文摘要

英文摘要

1 绪论

1.1 本文研究的背景与意义

1.2 数据挖掘技术的产生及研究现状

1.3 数据挖掘中的关联规则

1.4 本文的主要工作

1.5 本文的组织结构

2 数据挖掘技术

2.1 数据挖掘概述

2.2 数据挖掘的过程

2.3 数据挖掘的应用研究

3 关联规则研究

3.1 关联规则基础知识

3.2 布尔关联规则挖掘的算法

3.3 关联规则采掘技术的扩展

3.4 数值关联规则的采掘

4 关联规则算法优化研究

4.1 关联规则采掘技术的优化

4.2 一种新的高效关联规则采掘算法EA

4.3 关联规则快速更新算法探讨

5 数据挖掘在军队人才培养上的应用

5.1 问题的提出

5.2 数据准备

5.3 挖掘关联规则

5.4 模式理解和评估

6 总结

致谢

参考文献

独创性声明

学位论文版权使用授权书

发布时间: 2006-12-05

参考文献

[1].数据挖掘中关联规则的研究与应用[D]. 张友志.成都理工大学2004
[2].基于领域知识和概念格模型的知识发现研究[D]. 张晶.合肥工业大学2004
[3].数据挖掘中关联规则的研究与应用[D]. 窦茂生.长春理工大学2009
[4].基于时序和极大团的关联规则数据挖掘方法的研究[D]. 王宁.云南师范大学2006
[5].事务间量化关联规则挖掘的研究及应用[D]. 陈砚雄.华中师范大学2003
[6].关联规则数据挖掘中经典频集算法改进的研究[D]. 王烁.天津大学2003
[7].基于电力系统大数据集的知识发现方法的研究与实现[D]. 宋巧云.济南大学2015
[8].基于分类和关联规则的数据挖掘研究及应用[D]. 吕文志.大连理工大学2001
[9].基于公安交通数据的知识发现算法应用研究[D]. 韩杰.河北科技大学2018
[10].基于知识发现的职业学校学生操行考核管理系统的设计与研究[D]. 徐晓聪.广东技术师范学院2018

数据挖掘在军队人才培养上的应用研究

猜你喜欢