典型相关分析在数据挖掘中的应用

论文摘要

本文主要对多元统计方法在数据挖掘中的应用进行研究。主要是多元统计方法中的典型相关分析法。采用理论与实际相结合,在注重传统研究方法的基础上加以创新,结合实例分析利用计算机实现的研究方法。研究的主要内容是数理统计理论、方法、实践,数据挖掘理论、技术、算法以及计算机软件。具体的实施方案是首先系统的学习理论和计算机软件,其次是阅读相关的文献,再次确定论文的框架和理论部分,最后通过分析实际问题选择合适的方法与计算机结合解决问题。多元统计分析方法主要的方法有：主成分分析法、判别分析、聚类分析、因子分析、典型相关分析等。介绍了典型相关分析的基本思想方法,典型相关分析的步骤、典型相关变量的性质、典型相关系数的显著性检验等内容。介绍了数据挖掘的产生、数据挖掘的定义、数据挖掘的过程、数据挖掘的应用和发展。数据挖掘与数理统计学相互渗透,数据挖掘的发展离不开数理统计学,同样的,数据挖掘为数理统计学的发展提出了挑战同时也为其发展提供了机遇。通过对长春工业大学2006级基础科学学院信息与计算科学专业的学生大学四年间的成绩进行分析,编写算法程序,利用计算机软件实现,分析实验结果得出了一定的结论。文章以学生成绩为分析数据,将统计学中典型相关分析法运用到数据挖掘中。挖掘出了具有一定可信度的规则,有很重要的意义。这些结论可以对以后的学生学习提供一定的帮助。同时任课老师也可以根据自己所教课程的与其他课程的相关性,适当的为学生能够补习一下以前的课程中的一些相关知识,对老师的教学提供一些帮助。

论文目录

• 摘要
• Abstract
• 主要符号及意义
• 第一章 绪论
• 1.1 本课题的来源及研究意义
• 1.2 引言
• 1.3 数理统计学与数据挖掘
• 第二章 多元统计介绍
• 2.1 多元统计分析的简介
• 2.2 多元统计分析方法
• 第三章 数据挖掘概况
• 3.1 数据挖掘的定义
• 3.2 数据挖掘的基本功
• 3.3 数据挖掘的应用和发展
• 第四章 模型与算法
• 4.1 典型相关分析的基本思想
• 4.2 典型相关分析的数学描述
• 4.3 典型相关变量的性质
• 4.4 典型相关系数的显著性检验
• 第五章 学生成绩分析
• 5.1 数据的选择
• 5.2 变量及符号说明
• 5.3 模型假设
• 5.4 模型建立
• 结论
• 致谢
• 参考文献
• 附录一
• 附录二
• 作者简介
• 攻读硕士学位期间研究成果