银行账户管理系统中的数据挖掘技术研究

摘要

随着计算机技术在各行业中的普及以及数据存储技术在相关应用中逐渐成熟，信息化数据的爆炸性增长使得常规的数据库系统难以满足数据处理的要求。如何从大量数据中分析和选择需要的那部分数据成为目前面临的最大问题，另外，数据库的性能优化和数据仓库的分离使用也成为数据挖掘中的研究热点之一。以此为背景本文深入研究数据存储和数据挖掘，使应用系统处理数据和发现信息的效率得到了一定程度的提高。在银行领域中，虽然数据挖掘技术已经应用到了商业银行系统中，但是其对于数据的处理效率还不高，且发现不了事务数据库中的某些珍贵信息，不能充分发挥数据挖掘技术的重要性。
　　本文的主要研究工作如下：⑴优化数据库存储系统。对传统的关系型数据库系统进行性能优化，升级为演绎对象数据库系统，并分离使用常规数据库系统和数据仓库。⑵改进经典关联规则挖掘算法。本文对于经典 FP-growth算法中两次扫描条件模式基的缺点，并借鉴已存在改进算法中建立支持度计数二维表的方法，进一步提出改进算法。已经存在的改进算法在第一次扫描数据库后建立二维表，而本文的改进算法则是在第二次扫描事务数据库并排序好各事务后建立二维表，这样不会因向量的方向性而造成查找某一项的支持度计数时产生误差，并能有效提高效率。调整 FP-growth算法改进算法中支持度计数二维表的建立时段，避免查询二维表各事务项支持度计数时产生误差。⑶将改进后的关联规则挖掘算法应用到实践。对银行账户管理系统中的相关数据进行预处理，并将改进算法应用到预处理后的数据上，挖掘出有效的关联规则，并将这种关联规则应用到财政管理预算单位银行账户中。将改进算法TDTFP-growth应用到某省银行账户管理系统中，使关联规则挖掘效率在该领域中得到提高。

目录

封面

声明

目录

中文摘要

英文摘要

插图索引

附表索引

第1章 绪论

1.1研究背景及意义

1.2国内外研究现状

1.3本文的主要研究工作

1.4本文的组织结构

第2章 数据库和数据仓库

2.1关系数据库

2.2演绎数据库

2.3面向对象数据库

2.4演绎的面向对象数据库

2.5 数据仓库

2.6本章小结

第3章 数据挖掘技术

3.1数据挖掘简介

3.2数据挖掘的任务

3.3关联规则挖掘算法

3.4 TDTFP-growth算法分析

3.5数据挖掘的应用

3.6本章小结

第4章 银行账户管理系统中的数据挖掘

4.1银行账户管理系统相关部署

4.2 银行账户管理系统配置

4.3改进算法的应用

4.4本章小结

结论与展望

参考文献

致谢