基于最小聚类单元的商圈聚类及应用研究

摘要

该文对聚类分析的计算方法及约束条件进行了深入研究.为实现对大型数据库的数据对象进行有效的聚类分析,通过对现有聚类方法的分析,提出了基于最小聚类单元(Least Cluster Cell,简称LCC)的商圈聚类.其主要思想是在一般的数据挖掘体系结构中引入LCC管理子系统,即将原来的直接提交给用户的挖掘结果LCC保存在单元库中,用户利用关系数据库成熟的接口技术可以方便地构造LCC访问接口,通过接口完成对LCC的各种操作管理,达到在不同挖掘系统之间共享LCC的目的.

目录

摘 要

ABSTRACT

1.绪 论

1.1. 论文的选题背景

1.2.研究意义

1.3. 论文的主要工作

2.数据仓库构建概述

2.1. 数据仓库的定义

2.2. 多维数据模型

2.2.1.多维数据模型

2.2.2.概念分层

2.2.3. 多维数据型上的OLAP

2.3. 数据仓库的系统结构

2.4. 小 结

3.数据挖掘概述

3.1. 数据挖掘的定义

3.2. 数据挖掘发现的六种模式

3.3. 数据挖掘的过程

3.4. 数据仓库中的数据挖掘

3.5. 小 结

4.聚类分析概述

4.1. 聚类分析的定义

4.2. 聚类分析的数据类型

4.2.1.数据结构

4.2.2.相异度的度量

4.3. 聚类分析的方法

4.4. 小 结

5.最小聚类单元(LCC)

5.1.LCC的提出和定义

5.2. 基于LCC的数据挖掘系统结构

5.3.LCC查询语句

5.3.1.LCC选取语句

5.3.2.LCC插入语句

5.3.3.LCC删除语句

5.3.4.LCC修改语句

5.4. 基于LCC的商圈聚类

5.4.1.区域划分规则

5.4.2.LCC生成规则

5.4.3.片区生成规则

5.4.4.送货线路划分规则

5.5. 小 结

6.基于LCC带有约束条件的商圈聚类算法

6.1. 基于LCC带有约束条件的商圈聚类方法

6.1.1.商圈聚类的数据结构

6.1.2.基于LCC带有约束条件的商圈聚类方法

6.2. 基于LCC带有约束条件的商圈聚类算法

6.2.1.第一步：利用时间序列预测方法，计算出每个销售对象的销售趋势

6.2.2.第二步：依据判决函数生成相关矩阵，依据矩阵进行区域划分

6.2.3.第三步：对划分后的每个区域生成最小生成树

6.2.4.第四步：在最小生成树的基础上进行聚类分析构成LCC

6.2.5.第五步：利用CSPR把LCC聚类到对应的商圈、片区和送货线路中

6.3.算法分析

6.4. 小 结

7.BIMINER系统中基于LCC的商圈聚类实现

7.1. BIMINER系统简介

7.1.1.BIMINER系统开发背景

7.1.2.BIMINER系统功能

7.2.BIMINER系统开发、运行环境

7.2.1.IBMDB2数据库

7.2.2.Visual J++

7.3. BIMINER系统中数据仓库的设计与构造

7.3.1.基础数据字典

7.3.2.数据仓库的构建

7.4. BIMINER系统中的商圈聚类

7.5. BIMINER系统中基于LCC的商圈聚类算法实现

7.6. 小 结

8.BIMINER系统的商圈聚类实验设计及结果分析

8.1. BIMINER系统的商圈聚类实验设计

8.2. BIMINER系统的商圈聚类实验结果分析

【结束语】

【致 谢】

【参考文献】