数据挖掘技术在高职院校图书馆管理系统中的应用

论文摘要

数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘就是如何从海量的数据中提取有用的知识发展起来的数据处理技术。如今,数据挖掘技术已经在各种领域中获得广泛应用。图书管理系统中大量的信息只是简单的被存储起来,并没有进行深层次的研究分析。面对如此大量的数字信息,如何主动地进行分析研究,利用已有信息发现规律、指导工作成为目前亟待解决的问题。有效地利用数据挖掘技术可以为用户提供更好的个性化服务,提高满意度,指导图书馆合理分布馆藏和挖掘学科间隐藏的关联性。本文以扬州环境资源职业技术学院图书馆中的已有信息为依据,结合数据挖掘的流行方向,应用聚类算法和关联规则挖掘算法对读者的行为模式进行分析研究,总结了一套有效的分析系统,获得对图书馆管理有用的信息,促进图书馆管理工作效率和资源利用率,更好地为学生服务。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 相关技术概述
• 1.1.1 数据挖掘技术及发展历史
• 1.1.2 数据挖掘研究现状
• 1.2 本文的研究内容
• 1.3 本文的研究意义
• 2 数据挖掘
• 2.1 数据挖掘概念
• 2.2 数据挖掘的任务和对象
• 2.2.1 数据挖掘的任务
• 2.2.2 数据挖掘的对象
• 2.3 数据挖掘的工具
• 2.4 本文所选用的数据挖掘技术
• 3 高职院校图书馆管理系统需求分析
• 3.1 高职院校图书馆管理的必要性
• 3.2 高职院校图书馆管理系统的应用分析
• 4 聚类分析在高职院校图书馆管理系统中的应用
• 4.1 聚类分析的概念
• 4.2 常用聚类算法的分类
• 4.3 聚类方法的发展方向
• 4.4 k-means算法
• 4.5 聚类分析的应用
• 4.5.1 聚类过程分析
• 4.5.2 聚类结果说明
• 4.5.3 聚类结果的指导作用
• 5 关联规则分析在高职院校图书馆管理中的应用
• 5.1 关联规则的基本概念
• 5.1.1 关联规则的产生
• 5.1.2 关联规则中的主要概念
• 5.2 Apriori算法的基本思想和不足分析
• 5.3 改进的Apriori算法
• 5.3.1 改进算法的原理
• 5.3.2 改进的Apriori算法在图书管理应用中的分析
• 5.3.3 实际挖掘结果
• 6 基于数据挖掘的高职院校图书馆管理系统
• 6.1 系统开发环境
• 6.2 系统功能设计
• 6.3 图书馆管理系统数据库
• 6.3.1 数据采集和预处理
• 6.3.2 本系统所用数据库设计
• 6.4 图书馆管理系统实现
• 6.4.1 系统主界面
• 6.4.2 数据集成
• 6.4.3 聚类分析挖掘
• 6.4.4 关联规则挖掘
• 7 总结与展望
• 7.1 总结
• 7.2 展望
• 致谢
• 参考文献