数据挖掘技术在区域经济分析中的应用研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第13-21页 |
| 1.1 课题研究背景 | 第13-14页 |
| 1.2 课题研究现状 | 第14-19页 |
| 1.2.1 国内研究现状 | 第14-17页 |
| 1.2.2 国外研究现状 | 第17-19页 |
| 1.2.3 选用方法原因 | 第19页 |
| 1.3 课题主要工作 | 第19-20页 |
| 1.4 论文的结构与组织 | 第20-21页 |
| 2 数据挖掘技术 | 第21-28页 |
| 2.1 数据挖掘概念及特点 | 第21-26页 |
| 2.2.1 主成分分析 | 第22-24页 |
| 2.2.2 聚类分析 | 第24页 |
| 2.2.3 关联分析 | 第24-25页 |
| 2.2.4 神经网络 | 第25-26页 |
| 2.2 数据挖掘的应用 | 第26-28页 |
| 3 K-Means 聚类算法在区域经济中的应用 | 第28-61页 |
| 3.1 K-Means 算法特点 | 第28-29页 |
| 3.2 样本和指标的选择 | 第29-31页 |
| 3.2.1 数据选取 | 第29-31页 |
| 3.2.2 数据标准化方法 | 第31页 |
| 3.3 建模 | 第31-34页 |
| 3.4 聚类应用结果与分析 | 第34-59页 |
| 3.4.1 自然属性 | 第34-42页 |
| 3.4.2 经济属性 | 第42-50页 |
| 3.4.3 技术属性 | 第50-53页 |
| 3.4.4 社会属性 | 第53-59页 |
| 3.5 相异性分析 | 第59-61页 |
| 4 基于加权的 CADD 算法在区域经济中的应用 | 第61-70页 |
| 4.1 CADD 算法 | 第61-62页 |
| 4.2 改进的 CADD 算法 | 第62页 |
| 4.3 应用结果 | 第62-70页 |
| 4.3.1 自然属性 | 第62-64页 |
| 4.3.2 经济增长 | 第64-65页 |
| 4.3.3 财政状况 | 第65-66页 |
| 4.3.4 就业状况 | 第66-67页 |
| 4.3.5 城市 | 第67-68页 |
| 4.3.6 技术 | 第68-70页 |
| 5 两种聚类算法对比分析 | 第70-76页 |
| 5.1 算法基本原理对比 | 第70页 |
| 5.2 基于加权的 CADD 算法的准确度 | 第70-71页 |
| 5.3 应用结果 | 第71-76页 |
| 5.3.1 自然属性情况对比 | 第71-72页 |
| 5.3.2 经济增长对比 | 第72-73页 |
| 5.3.3 财政情况对比 | 第73页 |
| 5.3.4 就业情况对比 | 第73-74页 |
| 5.3.5 城市情况对比 | 第74页 |
| 5.3.6 技术属性对比 | 第74-76页 |
| 结论 | 第76-77页 |
| 参考文献 | 第77-85页 |
| 在学研究成果 | 第85-86页 |
| 致谢 | 第86页 |
