45600字硕士毕业论文基于人工智能技术的企业规划支持系统研究

论文类型：硕士毕业论文

论文字数：45600字

论点：关联,算法,规则

论文概述：

本文针对决策支持系统及其算法优化，并此基础上构建决策支持系统等问题，对关联规则的挖掘问题进行了较为深入的研究，分析对比了Apriori算法和FP-Growth算法;对决策树算法的代表算法工D3算

论文正文：

简介

1.1本文的背景和意义

随着科学技术的飞速发展，特别是计算机技术和通信技术的不断进步，大多数企业都有自己的管理信息系统(MiS)来管理生产活动，但手工报表分析也主要用于生产决策。该方法存在工作量大、速度慢、易丢失数据的问题。因此，企业管理者迫切需要一套适合自身企业发展的决策支持系统来及时了解企业信息，做出有利于十家企业发展的决策。决策支持系统(DSS)应运而生[/BR/]企业的管理信息系统每一个口都在向数据库中生成大量的数据，大量的数据淹没了一些有用的信息。如何从大量的商业数据中挖掘出生产活动的规律和市场的运动趋势，为企业参与市场竞争做出重要决策，已经越来越受到各大企业的重视，成为学术界的一个重要课题。在企业决策支持系统的研究中，主要有基于10个专家系统的决策支持系统、基于10种人工智能技术的决策支持系统和基于10种网络技术的决策支持系统。目前，研究和应用最广泛的技术是数据库技术和人工智能技术相结合的数据挖掘技术。该技术集成了统计分析和模块化方法，使人们更容易发现隐藏在人类数据集内的模式和相关性，从而为企业的决策行为提供强有力的支持。它已经成为企业决策支持系统发展的一个重要里程碑。数据挖掘技术的主要方法有:分类预测、关联规则、聚类分析等。其中，决策树分类是
在企业数据挖掘中常用的方法之一，无论是分类还是关联规则挖掘，在实际应用中都至关重要。传统的分类方法不使用关联规则挖掘的结果来指导分类。然而，挖掘的关联规则，特别是当后者是分类任务中的类标签属性时，可以用来指导分类。因此，如果两者能够结合起来，将会给企业带来巨大的节约。
本文的主要目的是通过深入研究数据挖掘技术中的关联规则和决策树方法，针对信息挖掘过程中关联规则的不足，采用决策树来弥补十大不足，为高效实用的企业决策支持系统的研究提供更强有力的理论和实践支持。

1.2国内外研究趋势和进展

1。2.自1993年阿格沃尔提出数据库中的关联规则挖掘以来，关联规则挖掘算法及其应用发展迅速。关联规则的功能不再局限于十个概念描述。1997年，阿里等人提出利用分类关联规则进行部分分类的想法，但他们认为关联规则很难在分类预测方面取得显著进展。1998年，在纽约举行的数据库知识发现国际会议(KDD)上，新加坡国立大学的刘等提出了基于类关联规则的关联分类算法CBA(基于关联的分类)，这拉开了关联分类的序幕。此后，许多研究者对关联规则的挖掘做了大量的研究。他们的工作包括优化原始算法，如引入随机抽样和并行思想来提高算法挖掘规则的效率。提出了多种变体，如广义关联规则、周期性关联规则等。关联规则的应用扩展了
关联规则挖掘的经典算法是阿格拉瓦尔和斯里肯特在1994年提出的Apriori算法。Apriori算法通过多次迭代找到所有频繁项集，并在K次迭代过程中找到所有频繁的K项集Lk。该算法使用以下启发式规则:如果一个项目集是频繁项目集，则由该项目集的所有子集形成的项目集也必须是频繁项目集；如果项目集是非频繁项目集，则项目集的所有超集(即包含项目集的项目集)必须是非频繁项目集。因此，可以通过连接在Ck-1迭代中找到的所有频繁Ck-1项目集来获得第K次迭代中的候选项目集。

3基于决策树的快速关联.........21-34[/比尔/] 3.1决策树的构建.........21-26[/比尔/] 3.1.1 ID3算法.........23-25[/比尔/] 3.1.2决策树的修剪.........25-26 [/溴/] 3.1.3决策树成本.........26
3.2基于LOAP关联规则的Apriori算法.........26-29
3.2.1基本Apriori算法.........27
3.2.2 Apriori算法改进.........27-29
3.3基于决策树的快速关联规则.........29-33
3.3.1基于决策树的快速.........29-30
3.3.2验证示例.........30-33
3.4概述.........33-34
4基于数据挖掘的决策支持.........34-51
4.1多属性决策支持系统.........34-38
4.1.1系统平台功能.........34
4.1.2系统平台设计.........34-36
4.1.3系统平台模块.........36
4.1.4系统平台.........36-38
4.2多属性决策支持系统.........38-50
4.2.1系统设置和主界面.........38-39
4.2.2决策树分类模块的实施.........39-42
4.2.3关联规则分类模块的实现.........42-43
4.2.4改进算法分类模块的实现.........43-50
4.3概述.........50-51
5结论和展望.........51-52

结论与展望
本文旨在优化决策支持系统及其算法，并在此基础上构建决策支持系统，开展了以下工作并取得了相应的成果:
1 .对关联规则的挖掘进行了深入研究，并对Apriori算法和FP-Growth算法进行了分析和比较。对决策树算法的代表性算法D3算法进行了深入的分析和研究。
2。为了解决关联规则挖掘和决策树分类算法与决策支持系统相结合的问题，分析研究了一种基于10棵决策树的快速关联规则挖掘算法。给出了该方法的原理和实现步骤，并通过实验验证了理论分析方法的可行性和正确性。
3。基于本文提出的算法，利用MATLAB和SQL SERVER2005设计了一个决策支持系统平台，实现了决策树分类过程、剪枝过程、分类结果和关联规则挖掘的可视化。以基于油耗、体重等属性的汽车年龄决策过程为例，进一步验证了本文提出的算法和设计平台的正确性和有效性。