数据挖掘在人口普查数据中的应用

摘要

数据挖掘是揭示存在于数据里的模式及数据间的关系的学科,它能够找到隐藏在大量数据背后的规律性,为制定管理决策提供相应的支持信息.数据挖掘可以认为是对迄今为止的非常精确化的统计模型的一个启示.把数据挖掘应用于人口普查数据中具有很高的学术价值和广阔的市场空间.该文首先对数据挖掘中的概念分层和分类问题进行了研究;其次,采用这些数据挖掘技术,针对人口普查数据构建了人口普查数据分析系统;最后,应用人口普查数据分析系统对城阳和莱西地区的数据进行分析,并对结果进行了评价.第一,介绍课题的研究背景;从数据挖掘的理论研究和应用研究方面,对当前数据挖掘的国内与国外的研究动态进行分析;通过对知识发现一般过程的分析,给出了一个典型的数据挖掘系统的整体架构,分析了各模块的主要功能,并对其中采用的数据挖掘的技术作了详细阐述.第二,阐述了将数据挖掘应用到人口普查数据中的极其重要的研究意义;对应用于其上的数据挖掘中的概念分层和分类分析的方法进行了介绍:回顾了它们当前的研究动态,介绍了概念分层和分类中的相关算法,具体分析了概念分层的动态分层调整算法、CART和PUBLIC算法的主要内容.第三,构建人口普查数据分析系统,对相应技术中所采用的算法进行了详细的描述,利用该系统对第五次全国人口普查中城阳和莱西地区的数据进行分析,并对结果进行了评价.最后,对该文的工作进行了总结并对研究前景进行了展望.

目录

摘要

ABSTRCT

第一章绪论

1.1选题背景

1.2数据挖掘研究内容和本质

1.2.1相关概念介绍

1.2.2数据挖掘所发现的知识

1.2.3数据挖掘已有成就及国内现状

1.2.4数据挖掘面临的挑战

1.3本文的主要研究内容

第二章数据挖掘应用于人口普查数据的目的及意义

2.1人口普查

2.2数据挖掘应用于人口普查数据的目的及意义

2.3采用的算法

2.4本章小结

第三章概念分层

3.1概念分层的相关概念及分类

3.1.1概念分层的相关概念

3.1.2概念分层的分类

3.2概念分层的动态分层调整算法(Dynamic concept hierarchy adjustment)

3.3本章小结

第四章决策树分类器

4.1数据分类的研究进展

4.2基于决策树的分类模型的国内外研究动态

4.3决策树简介

4.4决策树分类器算法

4.4.1决策树构建算法

4.4.2决策树的修剪

4.5决策树的优缺点：

4.6本章小结

第五章分类与回归树(CART)

5.1基本定义

5.2构建树算法

5.3修剪(Pruni ng)

5.4决策树评估(Estimati on)

5.5内存管理及时问复杂性分析

5.6本章小结

第六章PUBLIC分类模型

6.1 PUBLIC算法

6.2本章小结

第七章人口普查数据分析系统的实现及结果分析

7.1人口普查数据

7.2概念分层的设计与实现

7.3决策树分类器的设计与实现

7.3.1 CART

7.3.2 PUBLIC

7.3.3结果分析

7.4本章小结

第八章全文总结与展望

8.1全文工作总结

8.2存在的问题与今后展望

参考文献：

致谢