數(shù)據(jù)挖掘算法的加權(quán)及其在商業(yè)智能中的實(shí)現(xiàn)與應(yīng)用.pdf

1、隨著計算機(jī)技術(shù)的發(fā)展，企業(yè)已經(jīng)進(jìn)入信息化時代并且積累了大量日常數(shù)據(jù)，由于數(shù)據(jù)量的日益增長而出現(xiàn)海量數(shù)據(jù)貧乏知識的現(xiàn)象。數(shù)據(jù)挖掘的出現(xiàn)解決了這個問題，數(shù)據(jù)挖掘可以發(fā)現(xiàn)數(shù)據(jù)中隱含的信息，這些隱含的信息可以輔助企業(yè)管理者決策。商業(yè)智能是數(shù)據(jù)挖掘在企業(yè)中的具體應(yīng)用，因此本文研究商業(yè)智能。商業(yè)智能主要由數(shù)據(jù)倉庫、ETL(Extraction Transformation Loading)、OLAP（On-Line Transaction Proc

2、essing）、數(shù)據(jù)挖掘組成。
　　由于在實(shí)際應(yīng)用中各因素對結(jié)果的影響程度不同，因此首先采用連環(huán)替代法確定各因素的重要程度，然后采用層次分析法對各因素賦以權(quán)值，在此權(quán)值的基礎(chǔ)之上實(shí)施數(shù)據(jù)挖掘算法。使用本文提出的加權(quán)算法，通過加權(quán)可以減少規(guī)則數(shù)目，著重挖掘用戶感興趣的規(guī)則。構(gòu)建包含正負(fù)關(guān)聯(lián)規(guī)則的頻繁模式樹，實(shí)現(xiàn)可以挖掘出正負(fù)關(guān)聯(lián)規(guī)則的加權(quán)頻繁模式樹算法。加權(quán)最小二乘法通過對因變量和自變量進(jìn)行準(zhǔn)確建模實(shí)現(xiàn)預(yù)測功能，本文提出使用由連環(huán)替

3、代法和層次分析法確定加權(quán)最小二乘法的權(quán)值，實(shí)驗證明此種確定權(quán)值的方法具有很好的擬合度。為了克服樸素貝葉斯的缺陷，本文對加權(quán)混合貝葉斯算法進(jìn)行改進(jìn)，使用本文的算法進(jìn)行加權(quán)。加權(quán)混合貝葉斯算法把屬性分為相互獨(dú)立的屬性子集，在屬相子集之間使用加權(quán)樸素貝葉斯算法，屬性集內(nèi)部使用加權(quán)TAN算法?；旌县惾~斯分類模型，即克服樸素貝葉斯的缺點(diǎn)又具有良好的準(zhǔn)確度。本文針對以上算法進(jìn)行實(shí)驗，驗證算法的準(zhǔn)確性和有效性。實(shí)驗證明，以上加權(quán)算法不僅可以良好的體現(xiàn)

4、權(quán)值的影響，還可以有效的進(jìn)行數(shù)據(jù)挖掘工作。
　　企業(yè)使用ERP軟件進(jìn)行日常工作的管理，ERP系統(tǒng)的數(shù)據(jù)庫中包含大量數(shù)據(jù)為商業(yè)智能提供數(shù)據(jù)源，本文提出商業(yè)智能和ERP集成的體系架構(gòu)。本文結(jié)合現(xiàn)有的ERP軟件，對ERP軟件進(jìn)行二次開發(fā)，在ERP軟件之上構(gòu)建商業(yè)智能。本文通過以下步驟實(shí)現(xiàn)商業(yè)智能整個流程，采用數(shù)據(jù)平滑處理、數(shù)據(jù)標(biāo)準(zhǔn)變化和極差歸一化進(jìn)行數(shù)據(jù)預(yù)處理、實(shí)現(xiàn)數(shù)據(jù)挖掘算法、在ERP軟件上實(shí)現(xiàn)商業(yè)智能模塊。本文分別實(shí)施上述三個數(shù)據(jù)挖