基于大数据的数据挖掘算法实现与应用毕业设计

《基于大数据的数据挖掘算法实现与应用毕业设计》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、山东科技大学本科毕业设计（论文）题目基于大数据的数据挖掘算法实现与应用学院名称数学与系统科学学院专业班级信息与计算科学11级1班学生姓名马春慧学号201101051417指导教师王永丽VIIVII摘要近年来随着数据库和计算机网络的广泛应用，加上使用先进的自动数据生成和采集工具，人们所拥有的数据量急剧增加。数据迅速增加与数据分析方法滞后之间的矛盾越来越突出，人们也希望能够在对已有的大量数据分析的基础之上进行科学研究、商业决策或者企业管理，但是目前所拥有的数据分析工具很难对数据进行深层次的处理，使得人民只能望数兴叹。数

2、据挖掘正是为了解决传统分析方法的不足，并针对大规模数据的分析处理而出现的，数据挖掘从大量的数据中提取出隐藏在数据之后的有用的信息，它越来越多的领域所采用，并取得了较好的效果，为人们的正确决策提供了很大帮助。本文主要对数据挖掘的有关算法进行学习与应用。首先介绍了这些算法的基本思想与计算步骤，然后运用这些算法进行实际问题的求解。本文着重介绍的是关联规则的Apriori算法和神经网络中的BP算法。对Apriori算法，用其对当下高等学校排课的问题进行求解；对BP算法，则是用其解决了一个在政府投资项目的投资估算的问题。并对

3、计算结果进行了分析比较。关键词：数据挖掘，Apriori算法，BP神经网络算法VIIAbstractInrecentyears,withextensiveuseofdatabasesandcomputernetworks,coupledwiththeuseofadvancedautomaticdatagenerationandcollectiontools,asharpincreaseintheamountofdatathatpeoplehave.Scientificresearch,businessdecisio

4、nsorenterprisemanagementdataincreaserapidlyanddataanalysismethodofthelagbetweenthecontradictionsarebecomingincreasinglyprominent,peoplealsohopethatintheanalysisoftheexistinglargeamountsofdatacanbethebasisof,butiscurrentlyownedbydataanalysistoolisdifficulttothe

5、dataweredeep,makingpeoplehaveonlyafewlookhelplessly.Dataminingistosolvetheproblemoftheconventionalmethodofanalysis,andforlarge-scaledataanalysisandprocessingofdataminingfromlargeamountsofdatatoextractusefulinformationhiddeninthedata,adoptedbymoreandmoreareasan

6、dachievedgoodresults,andprovideabighelpforpeopletomakeacorrectdecision.Thispaperfocusesontherelevantalgorithmsofdatamining,andsimplyintroducesthesealgorithms,andusesthesealgorithmstosolverealproblem.ThispapermainlyintroducestheApriorialgorithmandBPalgorithminn

7、euralnetwork..IntheApriorialgorithm,usingtheApriorialgorithmtosolvethecurrenthigherschooltimetablingproblem;BPalgorithmisintroduced,withitssolvestheAingovernmentinvestmentprojectinvestmentestimationproblem.VIIKeywordDataMining;AprioriAlgorithm;BPAlgorithminNeu

8、ralNetworkVII目录1绪论11.1研究背景与意义11.2应用领域21.3本文的主要工作42关联规则与Apriori算法42.1基础理论42.2Apriori算法在学生成绩中的应用92.3Apriori算法在遥感数据挖掘中的应用193BP神经网络223.1基础理论223.2BP网络和BP算法263.3案例分析284结语33参考文献34致谢辞35VII