【作者】 陈锹；

【导师】 梁京章；

【作者基本信息】 广西大学 ， 控制理论与控制工程， 2004， 硕士

【摘要】 数据库知识发现(KDD)研究如何从大量的数据中智能地、自动地提取出有价值的知识和信息，是当前相当活跃的研究领域。近年来，电子商务大潮正在全球范围内急速改变传统的商业模式。如何才能在电子商务竞争中取胜?能够提供客户资源及相关数据分析的客户关系管理系统(Customer Relationship Management，CRM)就成为焦点，但是CRM系统中庞大的数据量阻碍了我们从中发现有价值的客户模式，因此研究适用于CRM的知识发现系统，具有理论意义和重要的实用价值。 目前，在CRM中使用的知识发现系统很多。但是，在CRM中使用的基于粗糙集理论的知识发现系统却较少见，而利用粗糙集理论进行知识发现具有一定的优势，因此本文将在粗糙集理论的基础上，对一个CRM系统进行知识发现。主要以粗糙集的理论为基础，首先从CRM系统中获取数据，转化为相应的决策表，再对决策表中的数据进行决策表补齐、离散化，然后进行属性和值的约简，最后生成决策规则，建立逻辑推理系统。 由于在CRM系统中的数据可能存在大量的不确定信息，而传统的粗糙集还不适用于不确定信息建模。为了解决这个问题，本文采用 广西大学硕士学位论文了可变精度粗糙集模型〔“，井对传统粗糙集的一种属性约简算法〔“作了改进，以适用于可变精度粗糙集模型，最后引入加权关联规则〔，01中的加权支持度和可信度来描述不确定性信息【川。 通过对CRM系统中获取的数据进行实验，本文实现了相应的知识发现系统，并获得了较好的效果，证实了本文采用的方法具有一定的实用价值。更多还原

【Abstract】 Knowledge discovery in database(KDD), a new tool and technique for automatic and intelligent database analysis, is a quite active domain for the moment. Presently, Electronic Business is changing traditional business mode all over the world. How can we prevail in the competition of EB? CRM that can supply customer’s resources and involved data analysis is the key. But a huge amount of data prevent us from discovering valuable customer mode, so the research of KDD applied in CRM is very significative.Now, there are many KDD systems applied in CRM. But the RS-Based KDD systems are few and they have many advantages. So, this paper is about the research of a RS-Based KDD system applied in CRM. Firstly, we obtain data from the CRM system, and convert them intorelevant decisiontable. Secondly, we complete and discretize the data in the decisiontable. Thirdly, we reduce the attribute and value. Lastly, we can conclude rules for making decision and establish logic ratiocination system.There may be much uncertain-decision information in CRM, and traditional RS can’t be applied to model uncertain-decision information. So in order to solve this problem, we not only use VPRS(variable precision rough set)and ameliorate the arithmetic-reduced used in traditional RS, but also describe this uncertain-decision information by weight support and confidence of weight association rule.Finally, we carry out the RS-Based KDD system and obtain comparatively good result by experiment, which prove this paper is available.更多还原