数据仓库期末作业  -  数据挖掘分析报告

某药店常用药品信息数据挖掘解决方案

作    者    刘金龙               

学    院    计算机信息管理学院   

专    业    计算机科学与技术     

年    级    2011                 

学    号    112103209            

某药房常用药品价格、产地的数据挖掘解决方案

一、    提出问题

1、单位基本情况及相关业务流程介绍；

对于药店，储存大量的常用药品是必不可少的工作，随之而来的对药品的数据信息管理和储存成为了令人头疼的问题，在接到货源后，工作人员需要统计药品产地和价格的信息，为以后的货源供给地，用合理的价格出售药物，是至关重要的工作。

2、单位存在的问题。

由于货物种类、名称众多，在短时间内分析好相关数据几乎不可能，大量的数据，依靠人力或是非数据统计软件进行统计工作，事倍功半。严重影响药店的正常进货，出售药品的工作。

…… …… 余下全文

第一章：数据挖掘基本理论

数据挖掘的产生：

随着计算机硬件和软件的飞速发展，尤其是数据库技术与应用的日益普及，人们面临着快速扩张的数据海洋， 如何有效利用这一丰富数据海洋的宝藏为人类服务业已成为广大信息技术工作者的所重点关注的焦点之一。与日趋成熟的数据管理技术与软件工具相比，人们所依赖的数据分析工具功能，却无法有效地为决策者提供其决策支持所需要的相关知识，从而形成了一种独特的现象“丰富的数据，贫乏的知识” 。

为有效解决这一问题，自二十世纪90年代开始，数据挖掘技术逐步发展起来，数据挖掘技术的迅速发展，得益于目前全世界所拥有的巨大数据资源以及对将这些数据资源转换为信息和知识资源的巨大需求，对信息和知识的需求来自各行各业，从商业管理、生产控制、市场分析到工程设计、科学探索等。数据挖掘可以视为是数据管理与分析技术的自然进化产物。自六十年代开始，数据库及信息技术就逐步从基本的文件处理系统发展为更复杂功能更强大的数据库系统；七十年代的数据库系统的研究与发展，最终导致了关系数据库系统、数据建模工具、索引与数据组织技术的迅速发展，这时用户获得了更方便灵活的数据存取语言和界面；此外在线事务处理手段的出现也极大地推动了关系数据库技术的应用普及，尤其是在大数据量存储、检索和管理的实际应用领域。

自八十年代中期开始，关系数据库技术被普遍采用，新一轮研究与开发新型与强大的数据库系统悄然兴起，并提出了许多先进的数据模型：扩展关系模型、面向对象模型、演绎模型等；以及应用数据库系统:空间数据库、时序数据库、多媒体数据库等；日前异构数据库系统和基于互联网的全球信息系统也已开始出现并在信息工业中开始扮演重要角色。

被收集并存储在众多数据库中且正在快速增长的庞大数据，已远远超过人类的处理和分析理解能力 （在不借助功能强大的工具情况下） ， 这样存储在数据库中的数据就成为“数据坟墓” ，即这些数据极少被访问，结果许多重要的决策不是基于这些基础数据而是依赖决策者的直觉而制定的，其中的原因很简单，这些决策的制定者没有合适的工具帮助其从数据中抽取出所需的信息知识。而数据挖掘工具可以帮助从大量数据中发现所存在的特定模式规律，从而可以为商业活动、科学探索和医学研究等诸多领域提供所必需的信息知识。数据与信息知识之间的巨大差距迫切需要系统地开发数据挖掘工具，来帮助实现将“数据坟墓”中的数据转化为知识财富。

…… …… 余下全文

摘要

数据挖掘技术可以在浩瀚的数据中进行统计、分析、综合、推理，发现数据内部关联，并作出预测，提供数据信息，为决策提供辅助支持。目前，数据挖掘技术已经广泛应用在商业领域，同样，可以将数据挖掘技术与国家教育项目相结合，对项目中的各类数据信息进行挖掘分析，提取隐藏的数据信息，为项目开发部门提供决策依据，进一步提高项目的科学性和高效性。

本文结合自身参与教育部指定的关于城市集群竞争力项目的实践经验，分析数据挖掘技术在国家教育项目中应用的可行性，并以此为例，采用JAVA语言编写实现KNN算法。

在项目实施方案中，以城市集群的数据为基础，完成数据挖掘的全过程：确定数据挖掘的对象和目标、数据清理和预处理，对某个指标缺失的数据引入神经网络方法进行预测填补，对缺失较多的数据引入对比和类比的方法进行预测填补，采用KNN算法实现数据分类，形成指标体系。利用数据挖掘的结果，通过对指标数据的分析，预测决定城市集群竞争力的主要因素，从而为今后城市集群的发展方向和职能定位提供参考，为城镇体系的总体发展指明方向，为提高我国城市集群整体经济实力和综合竞争力提供一些有益的建议和对策，促进成熟集群向一体化方向发展，同时也可以为国内其他城市集群的发展提供给一些有益的参考。

【关键词】 数据挖掘 KNN算法 数据分类 JAVA 城市集群竞争力

1

目录

摘要................................................................ 1

目录................................................................ 2

第一章 绪论 ....................................................... 3

1.1研究背景和研究意义 .............................................. 3

…… …… 余下全文

计算机科学与技术系

数据挖掘实验报告

姓        名：                  

学        号：                  

授  课 教 师：                  

完  成 时 间：                  

                  数据挖掘实验报告评分

目  录

1 数据挖掘综述... 4

1.1 什么是数据挖掘... 4

1.2 数据挖掘的功能... 4

1.3 数据挖掘的一般流程... 5

2 关联规则挖掘... 5

2.1 什么是关联规则挖掘及Apriori算法... 5

…… …… 余下全文

数据挖掘实验报告
——K-最临近分类算法

学号：311062202  姓名：汪文娟

一、    数据源说明

1.数据理解

选择第二包数据Iris Data Set，共有150组数据,考虑到训练数据集的随机性和多样性，选择rowNo模3不等于0的100组作为训练数据集，剩下的50组做测试数据集。

（1)每组数据有5个属性，分别是：1. sepal length in cm

     2. sepal wrowNoth in cm

     3. petal length in cm

     4. petal wrowNoth in cm

     5. class:

         -- Iris Setosa

         -- Iris Versicolour

         -- Iris Virginica

（2) 为了操作方便，对各组数据添加rowNo属性,且第一组rowNo=1。

2.数据清理

现实世界的数据一般是不完整的、有噪声的和不一致的。数据清理例程试图填充缺失的值，光滑噪声并识别离群点，并纠正数据中的不一致。

a)   缺失值：当数据中存在缺失值是，忽略该元组（注意：本文选用的第二组数据Iris Data Set的Missing Attribute Values: None）。

…… …… 余下全文

河南科技大学

课 程 设 计 说 明 书

课程名称 ＿＿ 软件项目综合实践 ＿＿ 题 目 ＿ 图书借阅数据挖掘系统＿＿

院 系 ＿ 电子信息工程学院 ＿ 班 级 ＿＿＿＿＿计科083＿＿＿＿＿ 学生姓名 ＿＿＿＿＿ 陈亚杰＿＿＿＿ 指导教师 孙士保、白秀玲、赵海霞、杨春蕾 日 期 ＿ 2011.8.292011.9.9 ＿

1 / 17

目录

软件项目综合实践任务书 ................................... 3

第一章 需求分析 .......................................... 4

1.1 课程设计题目及设计背景 ............................ 4

1.2 课程设计任务及要求 ................................ 4

1.3 软硬件运行环境及开发工具 .......................... 5

第二章 概要设计 .......................................... 5

2.1 系统总体设计 ...................................... 5

2.2 系统模块分析 ...................................... 5

2.3系统数据库设计 ..................................... 8

第三章 详细设计 .......................................... 9

3.1 事物预处理 ........................................ 9

3.2 系统界面设计 ...................................... 9

…… …… 余下全文

目录

§第1章 数据挖掘基本理论. 1

§1.1 数据挖掘的产生. 1

§1.2 数据挖掘的概念. 2

§1.3 数据挖掘的步骤. 3

§第2章 系统分析. 3

§2.1 系统用户分析. 3

§2.2 系统功能分析. 4

§2.3 系统算法分析. 4

§第3章 数据管理. 5

§3.1 数据管理的方法. 5

§第4章 数据采集. 6

§4.1 数据采集的方法. 6

§第5章 数据预处理. 6

§5.1 数据预处理的方法. 6

§第6章 数据挖掘. 6

§6.1算法描述与流程图. 6

§6.1.1 算法描述. 6

§6.1.2 算法流程图. 8

§第7章 结果显示与解释评估. 8

§7.1结果显示界面的具体实现. 8

§7.1.1 系统主界面的具体实现. 9

§7.1.2 超市销售记录界面的具体实现. 9

§7.1.3 数据采集界面的具体实现. 10

§7.1.4 挖掘条件界面的具体实现. 11

§7.1.5 数据挖掘界面的具体实现. 12

§7.1.6 帮助界面的具体实现. 13

§7.1.7 系统主界面运行后显示的结果. 13

学习体会. 14

参考文献. 15

§第1章 数据挖掘基本理论

§1.1 数据挖掘的产生

随着计算机硬件和软件的飞速发展，尤其是数据库技术与应用的日益普及，人们面临着快速扩张的数据海洋，如何有效利用这一丰富数据海洋的宝藏为人类服务业已成为广大信息技术工作者的所重点关注的焦点之一。与日趋成熟的数据管理术与软件工具相比，人们所依赖的数据分析工具功能，却无法有效地为决策者提其决策支持所需要的相关知识，从而形成了一种独特的现象“丰富的数据，贫乏知识”。为有效解决这一问题，自二十世纪年代开始，数据挖掘技术逐步发展来，数据挖掘技术的迅速发展，得益于目前全世界所拥有的巨大数据资源以及对这些数据资源转换为信息和知识资源的巨大需求，对信息和知识的需求来自各行业，从商业管理、生产控制、市场分析到工程设计、科学探索等。数据挖掘可以为是数据管理与分析技术的自然进化产物，如图1.1所示。

…… …… 余下全文