分布式数据挖掘技术在市场营销中的应用研究

摘要

该论文首先对数据仓库、多维分析和数据挖掘进行了深入的分析与说明,在数据仓库方面,从数据仓库的定义出发对数据仓库作了全面的论述,并对数据仓库中的数据组织作了描述;在多维分析上,对多维分析中的相关概念进行的解释,对多维分析和联机事务分析进行了对比;在数据挖掘中,对数据挖掘的算法进行了介绍和比较.其次,提出了一种从传统数据库中提取数据的最短路方法,以此方法便可完成数据仓库中数据的提取以及数据仓库的建造,同时从多维分析中的各种操作出发,对多维分析中的切片、切块、上卷、下钻和旋转操作进行了剖析,并在数据仓库的基础上实现了市场营销中数据的分析和处理.再次,对数据挖掘中的关联规则的挖掘进行了较深入的研究,引入了两种对Apriori算法的优化,第一种是AprioriTB算法,此算通过减少对扫描数据库的大小实现了对Apriori算法效率的提高;第二种是TID算法,此算通过减少对数据库的扫描次数完成了对Apriori算法优化.最后,从分类和聚类这两种对数据的挖掘方法出发,研究了对客户类型通过决策树进行的分类,以及研究了一种通过网格算法和密度算法相结合的一种新的聚类算法.

目录

文摘

英文文摘

声明及关于论文使用授权的说明

1.数据仓库、在线分析处理和数据挖掘

1.1数据仓库

1.1.1数据仓库概念以及与数据库的区别

1.1.2数据仓库设计与数据库设计的区别

1.1.3数据仓库的数据组织

1.2多维分析处理

1.2.1多维分析处理概念

1.2.2多维分析处理的一些基本概念

1.2.3多维分析处理与联机事务处理的对比

1.3数据挖掘

1.3.1数据挖掘概念

1.3.2数据挖掘功能

1.4小结

2.多维分析

2.1需求分析

2.2市场营销中的数据仓库

2.2.1数据的获取

2.2.2数据仓库的建立

2.3市场营销中的多维分析

2.3.1多维分析中的基本操作

2.3.2分析主题

2.3.3数据建模

2.3.4数据分析

3.关联分析

3.1关联分析简述

3.2对Apriori算法的改进

3.2.1减少扫描数据库大小的AprioriTB算法

3.2.2减少对数据库的扫描次数的TID算法

3.2.3关联规则的维护

4.分类与聚类分析

4.1分类分析(Classifiers)

4.2聚类分析(Clustering)

5.结论

致谢

参考文献