數(shù)據(jù)挖掘算法及其應(yīng)用研究.pdf

1、隨著全球信息技術(shù)的迅速發(fā)展和互聯(lián)網(wǎng)的快速普及，現(xiàn)代信息系統(tǒng)進(jìn)入了大數(shù)據(jù)時(shí)代，人們?nèi)粘９ぷ骱蜕疃济鎸?duì)著數(shù)據(jù)過(guò)量和信息爆炸的情況，迫切需要一種有效的技術(shù)手段幫助人們從這些海量數(shù)據(jù)中挖掘出真正需要的、有價(jià)值的知識(shí)，因此數(shù)據(jù)挖掘算法成為了研究熱點(diǎn)。
　　本文以提高數(shù)據(jù)挖掘算法的時(shí)間效率和應(yīng)用性為目的，進(jìn)行了經(jīng)典數(shù)據(jù)挖掘算法及其應(yīng)用方面的研究。論文從課題的研究背景和意義展開(kāi)，介紹了數(shù)據(jù)挖掘的相關(guān)概念、意義與基本技術(shù)；主要研究了基于密度的聚

2、類算法DBSCAN、粗糙集屬性約簡(jiǎn)算法和BP神經(jīng)網(wǎng)絡(luò)算法。
　　針對(duì)聚類，以減少算法執(zhí)行時(shí)間為目的，通過(guò)對(duì)DBSCAN算法加以改進(jìn)，設(shè)計(jì)了一種基于網(wǎng)格的快速密度聚類算法GF-DBSCAN，并通過(guò)仿真實(shí)驗(yàn)驗(yàn)證了該算法的性能。
　　本文也綜合運(yùn)用多種數(shù)據(jù)挖掘算法，提出了一種基于多種數(shù)據(jù)挖掘技術(shù)的短期電力負(fù)荷預(yù)測(cè)策略，該策略包括預(yù)測(cè)模型和各層方法。第一層利用DBSCAN算法來(lái)有效地進(jìn)行數(shù)據(jù)的聚類和離群數(shù)據(jù)的識(shí)別與修正；第二層利用粗

3、糙集屬性約簡(jiǎn)算法有效地篩選出與決策相關(guān)的最小屬性集從而保障挖掘效率；第三層用BP神經(jīng)網(wǎng)絡(luò)算法的復(fù)雜的多層多節(jié)點(diǎn)的網(wǎng)絡(luò)結(jié)構(gòu)及其不斷反向修正誤差的的能力獲得預(yù)測(cè)值。在真實(shí)數(shù)據(jù)上所做的實(shí)例計(jì)算與分析結(jié)果表明，所提出的短期電力負(fù)荷預(yù)測(cè)策略對(duì)預(yù)測(cè)結(jié)果精確度較高。
　　本文還設(shè)計(jì)了一種適用于電子商務(wù)運(yùn)營(yíng)平臺(tái)的基于GF-DBSCAN算法的個(gè)性化推送服務(wù)技術(shù)方案。該方案使用GF-DBSCAN算法挖掘用戶基本信息從而將用戶分類，再對(duì)每類用戶使用to