数据挖掘技术及其在宏观经济调控辅助决策中的应用

《数据挖掘技术及其在宏观经济调控辅助决策中的应用》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、摘要(随着关系数据库系统广泛付诸实践，数据库中存储的数据量越来越大，从而对数据的分析和理解也越来越重要。利用数据挖掘工具进行数据分析，可以发现重要的数据模式，为决策支持提供客观依据。本文主要应用和研究相关数据挖掘方法来解决深圳市发展计划局在实施经济宏观调控时，获取辅助决策信息的科学性和客观性等问题本文引入ID3算法做分类预测工作，许多研究表明决策树分类法是一种有效的、准确率高的、并且鲁棒性好的方法。但工D3算法存在不能处理海量数据及连续型数据的缺陷。鉴于此，本文提出结合面向属性归纳法的ID3分类方法。面向属性归纳法可以有效减少待处理的数据量，它的输出作为传统工D3算法的输入，可以较好地解决传

2、统ID3算法所固有的问题。出于提高算法运行效率方面的考虑，本文对传统ID3算法提出了两种改进算法，目的在于减少算法运行时访问数据库的时间开销，提高网络运行效率。贝叶斯网络是一个带有概率注释的有向无环图。这个图模型能表示大的变量集合中的大量变量之间的相互关系，利用贝叶斯定理揭示的学习和统计推断功能，实现预测、因果分析等数据挖掘任务。本文引入贝叶斯网络学习理论来做预测工作，利用ChengJi。等提出的以互信息为CI测试手段的贝叶斯网络学习算法来构建贝叶斯网络，得到一些有益的预测规则。同样，出于提高算法运行效率方面的考虑，本文针对该算法提出了相应的改进算法，它能够优化统计计算，减少基本运算，也即减

3、少算法运行时访问数据库的时间开销，改善了算法的运行效率。但r.结果表明，以上改进算法的运行效率都得到了较大提高，并且两种方法在宏观经济调控辅助决策工作中都取得了令人满意的结果。4-关键词:数据挖掘面向属性归纳法、工D3算法贝叶斯网络学习ABS丁RACTAsiswellknownthattherelationaldatabasehasbeenwidelyimplemented,sothelargerthevolumeofdatastoredinthedatabase,themoreimportantthedataanalysis.Withthehelpofthedataminingtechno

4、logies,dataanalysismayfindoutsomeimportantdatapaternsthatcouldbebeneficialtothescientificdecision-making.TherelevantdataminingtechnologieswerestudiedandappliedtohelptheShenzhenDevelopment&PlanBureautomakedecisionscientificallyandexternallyinthisdissertation.ID3algorithmwasintroducedintotheclassific

5、ationforthepredictabilitytaskinthisdissertation.Asshowninsomeresearchesthatthemethodofclassificationbasedondecisiontreeisefficient,accurateandrobust.TosolvetheproblemcausedbythetendencyoftheoriginalID3methodtoincapabilitytohandlealargedataset,aID3methodintegratedtheattribute-orientedinductionwaspro

6、posed.Atthesametime,twoimprovedID3algorithmswereproposedtoreducethetimespendingondatabasequery.Bayesiannetworklearningtheorywasalsointroducedtoworkforthesametaskabove.TheBayesianbeliefnetworkisapowerfulknowledgerepresentationandreasoningtoolunderconditionsofuncertainty.ABayesianbelief-networkisadir

7、ectedacyclicgraph(DAG)withaconditionalprobabilitydistributionforeachnode(representingdomainvariables).AdependencyanalysisbasedonBayesiannetworklearningalgorithmwasproposedinthisdissertation,whichwasanimprov