毕业设计论文BS架构的数据挖掘系统.docx

毕业设计论文BS架构的数据挖掘系统.docx

《毕业设计论文BS架构的数据挖掘系统.docx》由会员分享，可在线阅读，更多相关《毕业设计论文BS架构的数据挖掘系统.docx（22页珍藏版）》请在冰豆网上搜索。

毕业设计论文BS架构的数据挖掘系统

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

2.3.2MicrosoftSQLServer2008R2

2.3.3VisualStudio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

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SSAS

Abstract

DataMining（DataMining）isalargedatarepository,automaticallydiscoverusefulinformation.Itusedtoprobealargedatabase,ausefulmodeltodiscoverpreviouslyunknown,andcanpredictfutureobservations.Thepurposeofdataminingishowtomakethebestuseofdatafromthehistoricalrecordoftheoperatorreward,diggingdeepwhichvaluableexperience.Recentyears,withtheprogressanddevelopmentofdataminingtechnologyinthefieldofbusinessintelligenceplayedasignificantrole.Itbecamethetoolintotheexistingdataintheenterpriseknowledgetohelpcompaniesmakeinformedbusinessdecisions.Howtomakedataminingtechniquesusedintheproductionoflife,thetradingdecisionsactivities,hashighresearchvalue.

Inthisarticle,fromthetheoreticalandpracticalanalysisofthefeasibilityoftheuseofthetheASP.NETtechnologydevelopmentdataminingsystemB/Sstructure.Showsthepredictionresultsaftertheexcavationofthesystemdatasource,andanalyzedtheresultsofdifferentresultsfordifferentminingalgorithmstothesamedatasourceapplicationsanddifferentdatasources,applicationsthesameminingalgorithmstoanalyzetheadvantagesofthealgorithmisappliedinferior.AndgavedetailsofthesystemarchitectureanddebugtheresultsofanalysisofhowtouseASP.NET,ADOWEBnetworktechnologyanddataminingDMXlanguagetrainingofminingmodels,dataminingalgorithmscompare.Finally,throughtheresearch,summedupthesubjectoftheresearchprocessandexplorethesubjectindepthdirection.

Keywords:

datamining,businessintelligenceB/SmodeSSAS

第一章概述

1.1课题研究的意义

1.1.1数据挖掘研究背景

1989年8月在美国底特律召开的第11届国际人工智能联合会议的专题讨论会上首次出现KDD（KnowledgeDiscoveryinDatabases）这个术语。

KDD，及知识发现，是从数据集中识别出有效的、新颖的、潜在有用的，以及最终可理解的模式的一个过程。

知识发现将信息变为知识，从数据矿山中找到蕴藏的知识金块，将为知识创新和知识经济的发展作出贡献。

为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘（DataMining）等技术。

数据挖掘是在KDD基础上细化出来的一个概念。

最初，数据挖掘只是指在KDD过程中，利用算法处理数据的一个过程，是KDD中进行只是学习的阶段，是其中的核心技术。

所谓数据挖掘即是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。

它经由数据转换、核心算法以及结果表达得以实现。

它涉及到对数据库中的大量数据进行抽取、转换、分析以及模型化处理，从中提取辅助决策的关键性数据。

数据挖掘可以帮助决策者寻找规律，发现被忽略的要素，预测趋势，进行决策，也是对数据内在和本质的高度抽象与概括。

数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但是潜在有用的信息和知识的一种过程。

所以它要求数据源必须是真实的、海量的、含噪声的；发现的只是是用户感兴趣的只是；并且发现的结果是可接受、可理解、可运用的。

在技术中，发现的知识并不要求是放之四海而皆准的通用模型，而仅仅要求它是能够适用于特定的数据源的结果。

数据挖掘使数据库技术进入了一个更高级的阶段，它不仅能对过去的数据进行查询和遍历，并且能够找出过去数据之间的潜在联系，从而促进信息的传递。

1.1.2课题研究的意义

从KDD这个概念提出至今，数据挖掘技术在各个领域都有着极大的前景。

在医学上，对于庞大的医疗信息记录，数据挖掘技术可以从中挖掘出有用信息和规律，并将这些规律用于医生的诊断过程、对潜在的高患病率的人群进行排查和预防、以及帮助政府制定医疗政策、社区群体进行医疗防护等方面。

在司法政治领域，数据挖掘技术也可以通过分析固定人群的信息数据，从而预测出人们的行为模式，从而更好的帮助人们做出升学、置业等重要决策，也可以帮助制定更能够惠于民的政治策略。

数据挖掘更常用的领域是在现今的商业活动中，决策者往往需要通过既成数据和以往的经验来做出决策判断。

决策过程可通过商业智能来帮助决策者。

商业智能通常被理解为将企业中现有的数据，如企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据等，转化为知识，帮助企业做出明智的业务经营决策的一种解决方案。

伴随着信息化进程的深入，海量的信息大量积聚，如何能从这些信息中获取有用的知识，并指导人们的日常工作生活，成为了一个至关重要的问题。

可以说，把握了海量数据分析处理的方法，就把握了在未来信息化社会里最为重要的一种科技技术力量。

特别要指出的是，数据挖掘技术从一开始就是面向应用的。

它不仅是面向特定数据库的简单检索查询调用,而且要对这些数据进行微观、中观乃至宏观的统计、分析、综合和推理,以指导实际问题的求解,企图发现事件间的相互关联,甚至利用已有的数据对未来的活动进行预测。

但往往由于这些专业知识领域获取困难，使得决策者无法从中得到正确的结论。

因此商业智能解决方案变得简洁，易于操作已经成为了一个必然的趋势。

1.1.3术语解释

（1）B/S架构：

全称为Browser/Server，即浏览器/服务器结构。

将系统功能实现的核心部分集中到服务器上，简化了系统的开发、维护和使用。

客户机上只要安装一个浏览器（Browser），如NetscapeNavigator或InternetExplorer，服务器安装Oracle、Sybase、Informix或SQLServer等数据库。

浏览器通过WebServer同数据库进行数据交互。

（2）数据挖掘：

数据挖掘一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性（属于Associationrulelearning）的信息的过程。

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。

（3）商业智能：

商业智能描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。

商业智能技术提供使企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。

（4）SPSS（StatisticalProductandServiceSolutions）：

即统计产品与服务解决方案。

是采用数据挖掘技术的统计产品与服务解决方案。

（5）SSAS（SQLServerAnalysisServices）：

即微软SQL服务器分析服务。

是MicrosoftSQLSever中提供的集成商业智能分析方案，包含创建复杂数据挖掘解决方案所需的如下功能和工具。

可以组合使用这些功能和工具，以发现数据中存在的趋势和模式，然后使用这些趋势和模式对业务难题作出明智决策。

（6）SSIS（SQLServerIn