密度算法及其在HRM中的應(yīng)用研究.pdf

1、隨著現(xiàn)代企業(yè)的信息化快速發(fā)展，信息系統(tǒng)產(chǎn)生的數(shù)據(jù)量日益增大，從大量的數(shù)據(jù)中提取有用信息并非易事。如何有效地利用海量的原始數(shù)據(jù)分析現(xiàn)狀、預(yù)測(cè)未來，已成為人類面臨的一大挑戰(zhàn)，數(shù)據(jù)挖掘就是為了滿足這種需要而產(chǎn)生的。 聚類分析是數(shù)據(jù)挖掘中的一個(gè)重要研究領(lǐng)域，近年來，隨著衛(wèi)星遙感、傳感器網(wǎng)絡(luò)、高能物理研究等技術(shù)的發(fā)展，大量的數(shù)據(jù)被存儲(chǔ)在數(shù)據(jù)庫中，這些數(shù)據(jù)具有維度高、數(shù)據(jù)分布稀疏、噪聲數(shù)據(jù)多的特點(diǎn)。在很多應(yīng)用場(chǎng)合下，這些數(shù)據(jù)分布在不同的節(jié)點(diǎn)

2、上，如果使用傳統(tǒng)的聚類算法從這些分布式數(shù)據(jù)中提取信息，就必須把這些數(shù)據(jù)合并到一個(gè)中心站點(diǎn)上。由于傳輸速度和安全因素的限制，把各個(gè)站點(diǎn)的數(shù)據(jù)都集中到中心站點(diǎn)上是十分困難的，在某些領(lǐng)域中把數(shù)據(jù)集中到一個(gè)站點(diǎn)幾乎是不可能的，額外開銷很大。 K—Dmeans算法是基于K—Means的分布式聚類算法，本文針對(duì)K—Dmeans算法在K—Dmeans在每次迭代過程中站點(diǎn)間要傳送大量的數(shù)據(jù)對(duì)象，由于帶寬限制、網(wǎng)絡(luò)延時(shí)等問題導(dǎo)致通信代價(jià)很大，尤

3、其在處理大數(shù)據(jù)集時(shí)，通信代價(jià)遠(yuǎn)大于計(jì)算代價(jià)，算法總體效率很低等不足進(jìn)行了改進(jìn)。改進(jìn)后的算法能夠有效地處理傳遞少量的聚簇信息，執(zhí)行效率很高。并能夠有效地解決已有分布式密度算法存在的對(duì)噪音和異常數(shù)據(jù)處理能力弱、不適應(yīng)高維數(shù)據(jù)以及各節(jié)點(diǎn)局部聚類結(jié)果規(guī)模較大的不足。 在將理論技術(shù)應(yīng)用到實(shí)踐方面，本文在分析了中國(guó)企業(yè)現(xiàn)有的績(jī)效評(píng)估體系現(xiàn)狀以及現(xiàn)有績(jī)效評(píng)估方法缺陷的基礎(chǔ)上，根據(jù)本人參與開發(fā)HRM系統(tǒng)的經(jīng)驗(yàn)，將基于改進(jìn)密度算法的聚類分析方法應(yīng)

4、用于員工績(jī)效評(píng)估中，具體做法為：根據(jù)員工的各種績(jī)效評(píng)估指標(biāo)，首先建立員工績(jī)效評(píng)估的聚類分析模型，然后采用改進(jìn)密度算法對(duì)員工進(jìn)行聚類。通過聚類，從而對(duì)公司的員工有效地進(jìn)行分類，有了這些分類，就能為人事規(guī)劃和人事調(diào)整提供有效的決策支持。 本文首先介紹了分布式聚類算法研究現(xiàn)狀、績(jī)效管理發(fā)展現(xiàn)狀，聚類分析的原理、發(fā)展、聚類分析方法和聚類分析的應(yīng)用，接著介紹了基于密度的分布式聚類算法研究現(xiàn)狀，然后闡述了分布式聚類算法的原理，分析了分布式聚

5、類算法的優(yōu)點(diǎn)和不足，并闡述了現(xiàn)有的幾種改進(jìn)方法。有了以上的理論基礎(chǔ)，提出了改進(jìn)密度算法以及該算法的聚類分析模型，并給出了相應(yīng)的算法流程和實(shí)現(xiàn)，并進(jìn)行了仿真實(shí)驗(yàn)，和其他聚類分析算法進(jìn)行了比較。之后，本文在第三章簡(jiǎn)要介紹了人力資源管理理論和績(jī)效評(píng)估理論，分析了現(xiàn)有的幾種績(jī)效評(píng)估方法及其他們的優(yōu)缺點(diǎn)。并結(jié)合本人的項(xiàng)目開發(fā)經(jīng)驗(yàn)，將改進(jìn)的密度算法應(yīng)用在員工績(jī)效評(píng)估系統(tǒng)中，并在第四章實(shí)現(xiàn)了一個(gè)完整的基于改進(jìn)密度算法聚類分析的員工績(jī)效評(píng)估系統(tǒng)。通過大