Применение метода ассоциативных правил в анализе данных для стимулирования продаж

Тип работы:
Дипломная
Предмет:
Программирование
Страниц:
32

7700 Купить готовую работу
Узнать стоимость

Детальная информация о работе

Выдержка из работы


Для достижения поставленной цели необходимо решение следующих задач:
 Рассмотреть основную формулировку задачи Data Mining;
 Рассмотреть задачи поиска ассоциативных правил;
 Осуществить обзор алгоритмов поиска ассоциативных правил;
 Осуществить выбор алгоритма поиска ассоциативных правил;
 Сформулировать задачи поиска ассоциаций;
 Разработать техническое задание на разработку информационной системы;
 Осуществить выбор инструментальных средств разработки;
 Разработать программную реализацию системы поиска ассоциативных правил.
Структура ВКР включает введение, заключение и основную часть, состоящую из двух глав.
Во введении сформулированы цели и задачи на дипломное проектирование.
В первой главе осуществлен анализ существующих методов поиска ассоциативных правил в массивах данных. Выбран наиболее эффективный из них.
Во второй главе осуществлено проектирование и разработки информационной системы поиска ассоциативных правил для стимулирования продаж.
В заключении подведены итоги дипломного проектирования.
Практическая значимость ВКР заключается в разработке программной реализации информационной системы поиска ассоциативных правил для стимулирования продаж.

ПоказатьСвернуть

Содержание

Введение 2

1. Аналитическая часть 4

1.1 Задачи Data Mining 4

1.2 Задачи поиска ассоциативных правил 8

1.3 Обзор алгоритмов поиска ассоциативных правил (AIS, SETM, APRIORI) 14

1.4 Выбор алгоритма поиска ассоциативных правил 24

1.5 Формулировка задачи поиска ассоциаций 26

1.6 Техническое задание на разработку 29

1.7 Практическая реализация системы поиска ассоциативных правил 30

Заключение 33

Список литературы 34

Список литературы

1. Акобир Шахиди, Введение в анализ ассоциативных правил [Электронный ресурс], Режим доступа: — http: //www. basegroup. ru/library/analysis/association_rules/intro/.

2. Акобир Шахиди, Apriori — масштабируемый алгоритм поиска ассоциативных правил [Электронный ресурс], Режим доступа: — http: //www. basegroup. ru/library/analysis/association_rules/apriori/.

3. Agrawal R., Srikant R., Fast algorithms for mining association rules, In Proc. of the VLDB Conference, Santiago, Chile, September 1994

4. Data Mining: [Электрон. ресурс]. − Режим доступа: http: //habrahabr. ru/blogs/data_mining/66 016/.

5. R. Agrawal and R. Srikant. Fast algorithms for mining association rules in large databases. Research Report RJ 9839, IBM Almaden Research Center, San Jose, California, June 1994.

6. R. Agrawal, T. Imielinski, and A. Swami Database mining: A performance perspective. IEEE Transactions on Knowledge and Data Engineering, 5(6): 914{925, December 1993. Special Issue on Learning and Discovery in Knowledge Based Databases.

7. Association Rules Mining: A Recent Overview: Sotiris, Kotsiantis, Dimitris Kanellopoulos, Educational Software Development Laboratory Department of Mathematics, University of Patras, Greece

8. Чубукова И., Data Mining, М.: Бином. Лаборатория знаний, 2008 — 384.

9. Барсегян А., Методы и модели анализа данных. OLAP и Data Mining, Спб.: БХВ-Петербург, 2010 — 336.

10. Барсегян А., Технологии анализа данных. Data Mining, Text Mining, Visual Mining, OLAP, Спб.: БХВ-Петербург, 2007 — 384.

11. Барсегян А., Технологии анализа данных: Data Mining, Visual Mining, Text, М.: Книга по Требованию, 2008 — 382.

12. Sholom M. Weiss, Predictive Data Mining, 2010 — 228.

13. Pyle Dorian, Business Modeling and Data Mining, 2010 — 650.

14. Giudici Paolo, Applied Data Mining for Business and Industry, 2009 — 258.

Заполнить форму текущей работой