毕业设计（论文）-基于BS的数据挖掘系统设计与实现

《毕业设计（论文）-基于BS的数据挖掘系统设计与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中南大学本科生毕业设计论文（设计）题目基于B/S的数据挖掘系统设计与实现学生姓名指导老师学院信息科学与工程学院专业班级电子信息工程0903班完成时间2013-5-2325目录中文摘要英文摘要第一章概论1.1课题研究的意义1.1.1研究背景1.1.2研究意义1.1.3术语解释1.2国内外研究情况1.2.1B/S模式的研究情况1.2.2数据挖掘的研究情况第二章课题方案研究2.1课题要求及规划2.2常用开发方式介绍2.3VisualStudio2008和MicrosoftSQLServer2008R2方案2.3.1B/S模式2.3.2Microsof

2、tSQLServer2008R22.3.3VisualStudio结合SQLServer2008R2开发模式第三章系统设计及算法3.1系统总体结构3.2系统子功能模块3.2.1欢迎和算法介绍模块3.2.2数据源和算法选择模块3.2.3挖掘结果演示模块3.3DMX语言和挖掘模型3.3.1模型建立3.3.2模型训练3.3.3模型使用3.4数据挖掘算法3.4.1Microsoft中的数据挖掘算法3.4.2决策树和线性回归算法第四章调试测试结果3.1同数据源不同算法3.2不同数据源相同算法3.3结果分析第五章总结及展望5.1总结5.2展望参考文献附录2

3、5摘要数据挖掘（DataMining）是在大型数据存储库中，自动地发现有用信息的过程。它用来探查大型数据库，发现先前未知的有用模式，并且还能预测未来观测结果。数据挖掘的目的在于如何善用数据，从运营历史的记录奖励，挖掘出深藏其中的宝贵经验。近年来，随着数据挖掘技术的进步发展，它在商业智能领域发挥了极大的作用。它成为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。如何使数据挖掘技术更好地应用于生活生产、交易决策活动中，具有较高的研究价值。在本文中，从理论和实践上分析了B/S架构下利用ASP.NET技术开发数据挖掘系统的可行性。展

4、示了该系统对数据源进行挖掘后得到的预测结果，并着重分析了对相同数据源应用不同的挖掘算法及不同的数据源应用相同的挖掘算法得出的不同结果，从而分析算法应用的优劣情况。并详细介绍了系统的架构方法和调试结果，分析了所利用的ASP.NET、ADO等WEB网络技术和数据挖掘中如何采用DMX语言对挖掘模型的训练，数据挖掘算法比较等。最后，本文通过上述研究成果，总结了该课题的研究过程并探索了该课题的深入方向。关键词：数据挖掘商业智能B/S模式SSAS25AbstractDataMining(DataMining)isalargedatarepository,a

5、utomaticallydiscoverusefulinformation.Itusedtoprobealargedatabase,ausefulmodeltodiscoverpreviouslyunknown,andcanpredictfutureobservations.Thepurposeofdataminingishowtomakethebestuseofdatafromthehistoricalrecordoftheoperatorreward,diggingdeepwhichvaluableexperience.Recentyear

6、s,withtheprogressanddevelopmentofdataminingtechnologyinthefieldofbusinessintelligenceplayedasignificantrole.Itbecamethetoolintotheexistingdataintheenterpriseknowledgetohelpcompaniesmakeinformedbusinessdecisions.Howtomakedataminingtechniquesusedintheproductionoflife,thetradin

7、gdecisionsactivities,hashighresearchvalue.Inthisarticle,fromthetheoreticalandpracticalanalysisofthefeasibilityoftheuseofthetheASP.NETtechnologydevelopmentdataminingsystemB/Sstructure.Showsthepredictionresultsaftertheexcavationofthesystemdatasource,andanalyzedtheresultsofdiff

8、erentresultsfordifferentminingalgorithmstothesamedatasourceapplicationsandd