發(fā)布時間：2021-01-05 22:41

　　數(shù)據(jù)挖掘是從大量數(shù)據(jù)中發(fā)現(xiàn)潛在規(guī)律、提取有用知識的方法和技術。近年來,數(shù)據(jù)挖掘受到了普遍關注,已經(jīng)成為信息系統(tǒng)和計算機科學領域中的研究熱點之一。作為數(shù)據(jù)挖掘中的一種分類算法,貝葉斯網(wǎng)絡是用來表示變量間連接概率的圖形模型,它提供了一種自然的表示因果信息的方法,是目前不確定知識表示和推理領域中最有效的理論模型之一,在機器學習算法的設計和分析方面扮演著越來越重要的角色。本文全面介紹了貝葉斯網(wǎng)絡的研究現(xiàn)狀,重點分析了貝葉斯分類器的理論基礎以及三種經(jīng)典的貝葉斯分類器:樸素貝葉斯分類器、貝葉斯網(wǎng)絡分類器和TAN分類器。在此基礎上提出了一種啟發(fā)式貝葉斯分類算法,該算法結(jié)合了K2搜索算法和TAN分類器的優(yōu)點,并在一定程度上彌補了兩者的不足。在TAN分類器構(gòu)建最大權重跨度樹的過程中確定出邊的次序,再依據(jù)一定的規(guī)則為節(jié)點排序,最后由K2搜索算法構(gòu)建貝葉斯網(wǎng)絡結(jié)構(gòu)。實驗結(jié)果表明,該啟發(fā)式貝葉斯分類算法的網(wǎng)絡結(jié)構(gòu)更加合理,分類準確度更高。鑒于數(shù)據(jù)挖掘技術在客戶關系管理中日益廣泛的應用,本文還提出了一種鐵路貨運客戶細分方案,即利用數(shù)據(jù)挖掘中的聚類和分類技術對鐵路貨票庫中的海量數(shù)據(jù)所蘊藏的信息進行挖掘,首先利用聚... 

【文章來源】：北京交通大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

聚類操作界面

分類器不支持數(shù)值型屬性，運行軟件中的后三種分類器時首先要對數(shù)值型的屬性進行離散化處理，即5.3.5節(jié)中的Fayyad預離散化方法。運行各分類器的軟件界面依次如圖5一2、5一3、5一、5一5所示。111，o』 』 打打開‘‘ 崛崛七一孵，， ““卜-·」·-~··.--.』I.fff圖5一樸素貝葉斯操作界面Fig.5一qPe任 tioninterfaeeofNaiveBayeS

簡化貝計t一斯網(wǎng)絡操作界面

【參考文獻】：
期刊論文
[1]數(shù)據(jù)挖掘技術在鐵路貨運客戶細分中的應用[J]. 鐘雁,郭雨松.  北京交通大學學報. 2008(03)
[2]基于數(shù)據(jù)挖掘方法的中小型企業(yè)客戶細分的案例研究[J]. 李春宏.  云南師范大學學報(自然科學版). 2007(03)
[3]鐵路貨運分析系統(tǒng)的設計與應用[J]. 石英,陳治亞,雷定猷.  鐵道運輸與經(jīng)濟. 2007(01)
[4]一種新穎混合貝葉斯分類模型研究[J]. 李旭升,郭耀煌.  計算機科學. 2006(09)
[5]強化服務意識 創(chuàng)新服務手段 實現(xiàn)鐵路貨運服務的歷史新突破[J]. 郭玉華.  鐵道貨運. 2006(03)
[6]客戶分類管理法[J]. 馬穎.  山東冶金. 2005(04)
[7]客戶細分方法探析[J]. 胡少東.  工業(yè)技術經(jīng)濟. 2005(07)
[8]聚類方法在通信行業(yè)客戶細分中的應用[J]. 范英,張忠能,凌君逸.  計算機工程. 2004(S1)
[9]數(shù)據(jù)挖掘在證券公司CRM客戶細分中的應用[J]. 謝寰紅.  計算機工程. 2004(S1)
[10]一種限定性的雙層貝葉斯分類模型[J]. 石洪波,王志海,黃厚寬,勵曉健.  軟件學報. 2004(02)

博士論文
[1]貝葉斯學習理論中若干問題的研究[D]. 王利民.吉林大學 2005
[2]貝葉斯網(wǎng)絡研究[D]. 黃友平.中國科學院研究生院（計算技術研究所） 2005



本文編號：2959427