基于数据挖掘的港口生产数据分析系统设计

• 作 者: 王珊珊
• 出 处: 燕山大学
• 发表日期: 2004年期
• 关键词: 港口 数据仓库 聚类 关联规则分析

当前,港口之间的竞争不断加剧,对数据分析的内容和质量要求越来越高,有效发掘港口生产数据中的隐藏规律成为亟待解决的问题。因此,本文引入数据挖掘技术设计港口生产数据分析系统,以期更科学、更有效的发现港口业务之间的关联和发展趋势,为港口的科学决策提供数据和理论支持。首先,分析港口生产业务的数据源特点,确定港口数据仓库的主题。设计港口生产数据仓库的体系结构,完成概念模型设计、逻辑模型设计和物理模型设计。其次,引入聚类技术分析港口生产数据。先在原始生产数据库的基础上进行数据筛选、数据清理和数据转换,对港口生产数据进行特征提取和数据预处理。再利用k-means聚类算法对生产数据按需求进行归类比较,将生产数据分成相关的多个类簇。该算法选取熵值最大的k个数据作为聚类中心,采用平均轮廓系数确定聚类中心。在每个簇内,生产数据相似性最大,管理人员可以在同一簇内分析到相似的业务,更好的了解各个业务的特征。再次,利用关联规则分析方法发现生产业务之间的联系。引入“先划分后整合”的思想,基于Apriori算法挖掘生产数据的频繁模式,找出隐含在生产业务之间的关联关系,以此发现和预测港口生产业务的发展规律和未来趋势。最后,鉴于以上分析,利用数据挖掘技术设计港口生产数据分析系统。