论文部分内容阅读
数据挖掘作为一项决策支持技术在决策支持系统中充当较为重要的地位,此项决策方法与数据的量、组织方式、组织结构等有着紧密的联系。如何将系统数据库中庞大的、复杂的、无序的数据根据决策要求进行结构再造和规律重组,在一系列数据处理过程结束后,得到最新的数据组织模式,并从中找到新的数据关联性信息。数据挖掘通过在以数据库为基础的关系数据库管理系统的决策支持系统中找到知识的关联性,并将数据中隐含地结构信息呈现出来,以此为用户提供更为精准的决策信息,数据挖掘的应用领域较为广泛,决策支持的辅助效果也较为明显。在信息熵理论的基础上利用数据挖掘技术构建决策支持系统的信息组织机制,信息熵的利用可以度量决策支持系统中信息组织的规律性程度。根据信息熵的数据不确定性的分析和判断,熵值越大,反映系统中的数据组织结构越呈现无序的状态;相反,熵值越小,反映系统中的数据组织结构则越有序,系统的数据和空间利用率将达到最大,系统的处理负杂度及成本亦是最低的。本研究以企业决策支持系统为切入点,将信息熵对信息和数据的不确定性分析来度量数据所带来的不确定性程度,利用数据挖掘算法中的蚁群聚类算法,结合信息熵理论对网络客户数据进行分析,其中,信息熵理论中的不确定性分析,可以较好的帮助聚类数据对象,数据在此基础上进行再重组,其结果可进一步提高决策的有效性。基于信息熵的蚁群数据挖掘算法研究可以有效地对数据和信息的重要性程度进行排序,舍弃由不确定性分析后为系统造成较大结果偏差或降低系统处理效率的数据或数据组织模式,以此对原始数据组织结构进行重构,使决策结果更趋向于客观。