登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 文献综述 > 计算机类 > 软件工程 > 正文

基于数据挖掘技术的企业经营态势分析模型与预测方法的研究文献综述

 2020-04-15 09:37:29  

1.目的及意义

企业的经营数据对于企业的发展具有重要作用。而企业发展态势是衡量企业未来发展方向的重要指标。近几年来,数据分析在企业经营发展中扮演的角色越来越重要。企业经济收入的稳定增加,客观上也会不断推动企业经济的进一步发展。

数据分析作为一种重要的企业经营调控手段,因此,根据企业近年来的数据做了系统的统计与分析,并对其未来所有发展动向做了预测,有助于企业向着更加健康积极的方向发展。

如何快速、准确地获得有价值的网络信息,如何理解已有的历史数据并用于预测未来的行为,如何从这些海量数据中发现知识,导致了知识发现和数据挖掘领域的出现。知识发现(Knowledge Discovery,简称KD)和数据挖掘(Data Mining,简称DM)是集统计学、人工知识、模式识别、并行计算、机器学习、数据库等技术的一个交叉性的研究领域。

数据库中的知识发现(KnowledgeDiscovery in Database,即KDD)方法和数据挖掘技术,近几年受到人们的高度重视,并对其进行了深入的研究,得到了许多有效的方法和技术。

KDDM是近年来一个十分活跃的研究领域。从数据库中发现知识(Knowledge Discovery in database,简称KDD)一词首先出现在1989年举行的第十一届国际联合人工智能学术会议上。到目前为止,由美国人工智能协会主办的KDD国际研讨会已召开了8次,规模由原来的专题讨论会发展到国际学术大会,仅以1999年为例,就有近20个国际会议列有KDDM专题。

这两年国内也有相当多的数据挖掘和知识发现方面的研究成果,许多学术会议上都设有专题进行学术交流。现有的数据挖掘技术分为5类,即预测模型化、聚类、数据归纳、依赖模型化以及发现变化和偏差。从国内外目前的研究进展来看,各学科的研究自成一派,没有突破各个领域的技术界限;没有融合各领域的不同方法;尤其是未将并行优化的诸方法集成用于数据库中的数据挖掘,从而提高实时性,并解决随机的、动态的、不完全的及混沌数据的数据挖掘,即所谓智能数据挖掘。而且以往多数技术都是在驻留于内存的数据之上进行挖掘,没有把这些技术与数据库技术相集成。近年来,有些技术已开始定位于大型数据库上的挖掘,即基于磁盘存贮进行挖掘。从而出现了关系数据库的数据挖掘、面向对象数据库的数据挖掘等。

{title}

2. 研究的基本内容与方案

{title}

研究(设计)的基本内容:本论文题目来自企业项目。基于企业经营数据,建立有效的态势分析模型,利用数据挖掘方法对企业发展进行分类描述,分析影响企业发展态势的主要因素,并将模型应用于企业发展态势的预测。上述工作将对企业的投资决策具有一定的参考价值。

目标:

(1)利用数据挖掘方法对企业发展进行分类描述,分析影响企业发展态势的主要因素;

(2)基于企业经营数据,建立有效的态势分析模型;

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

微信号:bysjorg

Copyright © 2010-2022 毕业论文网 站点地图