数据挖掘技术在资产管理系统中的应用

摘要

高校的资产管理工作重要且繁琐，耗费大量人力效率却不高，设备采购工作往往凭经验安排。为改变现状，本项目研究开发了资产管理处网站，并在此管理系统中加入了决策支持模块，利用数据挖掘技术从大量的历史采购数据中挖掘出有价值的规律，有效的辅助领导者决策。
　　 本文简要地概括了数据挖掘技术的基本理论，深入研究了关联规则挖掘的经典算法Apriori算法及其改进算法，分析总结了Apriori算法的主要缺陷，并针对其提出改进方案。论文详细叙述了资产管理系统的设计方法，着重描述了改进算法在资产管理系统中的应用过程，实现了资产管理系统的预期功能，达到了科学管理和理性指导决策的目的。本文还对Apriori算法和改进算法进行了分析比较，事实证明，改进算法有比Apriori算法优越的挖掘效率，验证了改进算法的可行性。

目录

文摘

英文文摘

声明

第一章绪论

1.1本文研究的背景及意义

1.2国内外研究现状

1.2.1数据挖掘研究现状及应用前景

1.2.2关联规则研究现状及发展方向

1.2.3高校资产管理现状

1.3本文主要工作

1.4本文的组织结构

1.5本章小结

第二章数据挖掘基本理论研究

2.1数据挖掘概述

2.1.1数据挖掘的产生及定义

2.1.2数据挖掘的方法

2.1.3数据挖掘的功能

2.1.4数据挖掘的过程

2.2关联规则概述

2.2.1关联规则的定义

2.2.2关联规则的性质

2.2.3关联规则挖掘步骤

2.3关联规则经典算法和改进算法

2.3.1关联规则经典算法——Apriori算法

2.3.2典型的改进算法

2.3.3 Apriori优化算法思想

2.4本章小结

第三章基于数据挖掘技术的资产管理系统的设计

3.1基于数据挖掘技术的资产管理系统建立的前提和意义

3.2需求分析

3.3可行性研究

3.3.1技术可行性

3.3.2经济可行性

3.3.3操作可行性

3.4系统总体设计

3.4.1系统功能结构设计

3.4.2数据库设计

3.5系统详细设计

3.5.1类的设计

3.5.2自定义控件的设计

3.6决策支持模块的设计

3.6.1设计原则

3.6.2设计方案

3.7本章小结

第四章系统的实现与改进算法在系统中的应用

4.1系统的开发平台与工具

4.2资产管理系统的实现

4.2.1资产管理系统前台的实现

4.2.2资产管理系统后台的实现

4.3决策支持模块的实现

4.3.1资产采购信息数据预处理

4.3.2决策支持模块中数据挖掘过程

4.3.3改进算法的分析评价

4.3.4决策支持系统的运行和规则解释

4.4本章小结

第五章总结与展望

5.1论文总结

5.2展望

致 谢

参考文献