面向社区智能服务的数据挖掘关键技术研究与实现-计算机应用技术专业毕业论文.docxVIP

创新性声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在 导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标 注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成 果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的 材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说 明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切的法律责任。 本人签名： 日期 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保 留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内 容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后 结合学位论文研究课题再攥写的文章一律署名单位为西安电子科技大学。 （保密的论文在解密后遵守此规定） 本学位论文属于保密，在 年解密后适用本授权书。 本人签名： 日期 导师签名： 日期 摘要 摘要 摘要 近几年来社区电子智能服务在中国有了突破性进展，有效地将现代信息技术 和传统的社区服务紧密地融合在一起。而通过数据挖掘技术可以方便、快捷、直 观的展现数据的深度应用，促进社区服务的智能化实现。 聚类分析是数据挖掘领域中一个非常重要的研究内容，它主要是从数据库中 的记录集中寻找数据的相似性并进行分类，从而发现数据库中隐含的有用信息。 传统的聚类算法本质上是一种局部搜索算法，而遗传算法作为全局优化搜索算法， 在数据挖掘方面的应用也得到了极大的重视。将遗传算法与聚类相结合，可以避 免聚类陷入局部最优，得到更好的聚类结果。 本文首先介绍了数据挖掘的基本概念和分析方法，重点介绍了聚类分析技术 以及遗传算法的基本理论。针对聚类经典算法 k-means 算法无法自动得到最佳聚类 数目以及对初始化敏感，易陷入局部最优的问题，提出了基于遗传算法的 k-means 改进算法。算法中采用浮点数编码和可变长染色体编码相结合的遗传算法进行聚 类，遗传算法的交叉操作使得聚类中心集数目发生变化，在搜索过程中可以搜索 到尽可能多的中心集方案，从而具有全局搜索的能力。 最后，在前面研究的基础上，将改进的遗传优化聚类算法应用于社区智能服 务系统中，取得了较好的结果。 关键词：数据挖掘 聚类 遗传算法 k-means 算法 社区智能服务 Abs Abstract Abstract In recent years, electronic intelligence community service has been a breakthrough in China which could combine modern information technology with the traditional community service effectively. However, data mining techniques that is applied to show the depth of data expediently and intuitively could promote community service to achieve intelligent. As one of the important contents in data mining, clustering mainly focused on the records from the database to find data similarity and categorize these data, so that it can discover useful information hidden in the database. The traditional clustering algorithm has also been a great deal of attention in data mining applications. Genetic algorithm combined with clustering can avoid clustering into a local optimum so that could achieve better clustering results. First, this paper introduced the basic concepts and analytical methods of data mining, focused on