欢迎来到天天文库
浏览记录
ID:31957866
大小:1.62 MB
页数:56页
时间:2019-01-29
《关联规则挖掘与贝叶斯网表示.研究》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库。
1、重庆大学硕士学位论文英文摘要difficult.Bayesiannetworkisamap-basedmodel,whichCanrepresentthejointprobabilitydistributionofvariablesinagraphicalway,80intheprocessofreasoningnode’sstato,itcanconsiderallfactors(parentnodes)integrated.Insuch∞s岱,thispaperpresentsamethodthatcanrepresentthea
2、ssociationrulesintheformofBayesiannetwork,itm龋associationrulesfromthedata,thenlearnsthestructureandthemapofconditionalprobabilitydistribution,finallyrepresentstheassociationrulesintheformofBayesiannetwork,TherebyexpandingtheapplicationofAssociationRuleseffectively.Aspro
3、ved,inferenceongeneralBayesianisanNPproblem.Thebayesiannetworkgeneratingwiththemethodmentionedabovemectscausalindependence,SOthispaperintroducesaconversionmethod,inference011thenetworkafarconvertingbecomesmucheasierKeywords:datamining,associationrule,Bayesiannetwork,inf
4、erenceIV独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得重鏖盍堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。学位论文作者签名:赵迄{签字日期:2。。7年多月烈日学位论文版权使用授权书本学位论文作者完全了解重庞太堂有关保留、使用学位论文的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借
5、阅。本人授权重庆太堂可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。保密(),在——年解密后适用本授权书。本学位论文属于不保密()。(请只在上述一个括号内打“4”)学位论文作者签名:赵选丰签字日期:>,司年岁月弓1日剔磁轹彳录稼签字日期:加7年,月;J日重庆大学硕士学位论文1绪论1.1研究背景数据挖掘是近年来信息产业界讨论和研究的一个热点。由于当代计算机技术尤其是数据库技术的飞速发展,人类面对史无前例的海量数据,因此迫切需要将这些数据转换成为有用的信息和知识,并可以将这些信息
6、和知识运用于各种应用中,例如商务管理、生产控制、市场分析、工程设计和科学探索等。数据挖掘技术从一开始就是面向应用的。很多企业都在利用数据挖掘技术帮助管理客户生命周期的各个阶段,包括争取新的客户、保持好现有客户和在己有客户的身上赚更多的钱。如果能够确定好客户的特点,那么就能为客户提供有针对性的服务。比如,已经发现了购买某一商品的客户群特征,那么就可以向那些具有这些特征但还没有购买此商品的潜在客户推销这个商品:找到流失客户的特征就可以在那些具有相似特征的客户还未流失之前进行针对性的弥补,因为保留一个客户要比争取一个客户成本底的多。电讯公司
7、和信用卡公司是利用数据挖掘进行欺诈行为检测的先行者,保险公司和证券公司也开始采用数据挖掘来减少欺诈。医疗应用是另一个前景广阔的产业,数据挖掘可以用来预测外科手术、医疗试验和药物治疗的效果。零售商更多的使用数据挖掘来决定每种商品在不同地点的库存情况,通过数据挖掘对数据的分析,针对性的使用促销、优惠等手段。制药公司通过挖掘巨大的化学物质和基因对疾病的影响来判断物质与疾病的关系。目前,在很多重要的领域,数据挖掘都可以发挥积极的促进作用,尤其是在如银行、电信、保险、交通、零售(如超级市场)等商业应用领域。数据挖掘所能解决的典型商业问题包括:数
8、据库营销(DatabaseMarketing)、客户群体划分(customerSegmentation&Classification)、背景分析(ProfileAnalysis)、交叉销售(Cross—selling)等
此文档下载收益归作者所有