數(shù)據挖掘在醫(yī)藥銷售決策支持系統(tǒng)中的應用.pdf

1、隨著計算機技術的發(fā)展，急劇產生海量的數(shù)據。如何從這些數(shù)據中提取有用的信息是一個重要的問題。粗糙集理論-一種新的數(shù)據分析方法-在分類的意義下定義了模糊性和不確定性的概念，是一種處理不確定和不精確問題的新型數(shù)學工具。巨大的數(shù)據量是降低數(shù)據挖掘與知識發(fā)現(xiàn)速度和效率的主要因素，在進行數(shù)據挖掘的前期，應對數(shù)據倉庫中的屬性進行約簡、對數(shù)據進行概念提升，盡量減少或消除不重要的屬性和數(shù)據對數(shù)據挖掘速度的影響。
　　 本文從一個實際研究項目出發(fā)，

2、闡述數(shù)據挖掘相關理論，實現(xiàn)了基于粗糙集的數(shù)據挖掘技術在醫(yī)藥銷售決策管理中的應用。文章首先介紹了客戶關系管理的基本概念和通過數(shù)據挖掘進行客戶關系管理的意義、決策支持系統(tǒng)的發(fā)展和決策推理的結構與方法；然后介紹了數(shù)據倉庫的基本概念和構成、粗糙集理論的基本概念、利用概念層次進行面向屬性歸約的方法；最后介紹了系統(tǒng)實現(xiàn)的總體結構、系統(tǒng)的數(shù)據倉庫設計、進行數(shù)據預測的算法和算法的改進、數(shù)據轉換與歸一化處理的方法、系統(tǒng)進行數(shù)據挖掘的過程。文中還介紹了系統(tǒng)

3、實現(xiàn)中MATLAB與關系數(shù)據庫接口問題的解決方案、Visual Basic語言與MATLAB集成的方法，并給出了系統(tǒng)的部分輸出圖表。
　　 本文的主要研究工作如下：
　　 (1)對預測性的數(shù)據均值算法的改進：算法效率的改進，在降低運算量的同時提高預測精度；參數(shù)的不同選擇可適應數(shù)據的不同變化規(guī)律，綜合考慮歷史數(shù)據和近期數(shù)據對均值預測的影響度。
　　 (2)將改進的均值算法應用于周期性數(shù)據的預測方法中，再通過均值誤差