数据挖掘分类技术在健身会所管理系统中的应用研究

论文摘要

随着信息化飞速发展,各行各业每天都有大量的数据产生。在以前我们对待这些数据,只是简单的查询、删除、统计等操作,并没有对这些数据进行更深入的分析,从中寻找利于企业、社会发展的信息。这完全是对信息资源的一种浪费。随着计算机技术,特别是数据挖掘技术的发展,这个问题的解决得到了行之有效的方法。数据挖掘技术是一门新兴的交叉学科,经过几十年努的力,数据挖掘技术在许多领域得到广泛的应用,并取得了良好的效果。分类技术是数据挖掘中使用比较多的一种方法,通过分类从数据集中提取描述数据类别的一个模型(一般通过决策树或者规则表示出来),并把数据集中的每个对象影射到给定类别的某一个中,进而可以预测未来数据的归类。本文通过对各种分类算法的学习研究,从中总结它们的优缺点,为我们选择C4.5算法提供了依据。C4.5分类算法改进了ID3算法不能处理连续数据和多值偏向的问题。本文以健身会所的需求为背景,建立一套科学的信息管理系统并导入历史数据,重点讨论决策树分类技术的应用,并把C4.5决策树分类算法应用到系统中会员续期预测功能中。通过管理者的经验分析,选择几个对会员续期有影响的因素,从数据库中选择近期续费的会员信息,并对这些数据做了消除噪声、离散化等相应的处理,使其成为适合数据挖掘的数据。利用C4.5分类算法对处理过的会员续期记录进行分类,从中提取分类规则,用于预测将来会员续期的情况,协助管理者制定相应的保持客源的策略,为会所的健康发展提供有力的支持。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景及意义
• 1.2 数据挖掘国内外研究现状
• 1.3 研究内容和论文的组织结构
• 2 数据挖掘技术概述
• 2.1 数据挖掘的定义
• 2.2 数据挖掘的过程
• 2.3 数据挖掘的任务
• 2.4 数据挖掘的对象
• 2.5 数据挖掘的应用
• 3 数据挖掘分类技术的研究
• 3.1 数据分类技术
• 3.1.1 数据分类的步骤
• 3.1.2 分类数据预处理
• 3.1.3 分类模型准确率的评估
• 3.2 决策树分类算法
• 3.2.1 决策树概念
• 3.2.2 决策树的构造
• 3.2.3 常用的决策树算法
• 3.2.4 决策树剪枝
• 3.2.5 决策树提取规则
• 3.3 贝叶斯分类
• 3.4 神经网络分类
• 4 健身管理系统的设计与实现
• 4.1 系统需求分析
• 4.2 系统设计实现
• 4.3 数据库设计
• 4.4 开发环境
• 5 决策树 C4.5 算法在健身会所管理系统中的应用
• 5.1 C4.5 算法
• 5.2 数据的预处理
• 5.3 决策树的建立
• 5.4 结果分析
• 5.5 本章小结
• 6 总结
• 参考文献
• 致谢
• 个人简历
• 攻读学位期间发表的论文