学位论文 > 优秀研究生学位论文题录展示
SVM与K-Means算法在IHRS中的研究与应用
作 者: 刘蓉
导 师: 郭剑毅
学 校: 昆明理工大学
专 业: 模式识别与智能系统
关键词: 数据挖掘 人力资源管理 支持向量机(SVM) 聚类分析 K-Means算法
分类号: F272
类 型: 硕士论文
年 份: 2005年
下 载: 81次
引 用: 0次
阅 读: 论文下载
内容摘要
随着信息技术的发展,各个行业在过去的若干年里都积累了大量的数据。如何发现隐含在这些数据中的规则和知识,并辅助决策,成了亟待解决的问题。数据挖掘技术的出现和发展为此提供了有力的支持。数据挖掘就是从大量的、不完备的数据中,提取出事先未知的、但具有价值的信息和知识的过程。 支持向量机(SVM)近年来在模式识别、回归分析和特征提取等方面得到了很多应用。支持向量机方法在VC维理论和结构风险最小化原理的基础上,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折中,以期获得做好的推广能力。SVM解决了在神经网络网络方法中无法避免的局部极值问题和过学习的问题,而且既有较好的推广能力,同时避免高维空间的“维数灾难”问题,其算法复杂度与样本维数无关。 聚类分析是一种应用广泛的数据挖掘方法,它能从数据中找出相关的特征或模式,分析直观,结论形式简明。 本文主要阐明了ERP中人力资源管理系统在数据预处理的前提下,用支持向量机(SVM)方法来对到企业的应聘人员是否招聘做出预测。用聚类分析来对已有员工进行分析,为人力资源管理者提供决策支持。
|
全文目录
摘要 3-4 Abstract 4-8 第一章 绪论 8-14 1.1 课题研究的背景 8-10 1.2 数据挖掘的现状 10-12 1.3 本课题研究的内容及意义 12-14 第二章 SVM与聚类分析算法原理 14-29 2.1 算法的选择及依据 14-18 2.1.1 SVM及K—Means聚类算法的优点 14-15 2.1.2 数据挖掘 15-18 2.1.2.1 数据挖掘的产生背景 15-16 2.1.2.2 数据挖掘简介 16-18 2.2 支持向量机(SVM) 18-24 2.2.1 统计学习理论 18-20 2.2.2 支持向量机的算法原理 20-24 2.3 聚类分析 24-29 2.3.1 聚类分析简介 24-27 2.3.2 K-Means聚类分析算法 27-29 第三章 IHRS的系统分析与设计 29-36 3.1 IHRS简介 29-32 3.1.1 人力资源管理 29-30 3.1.2 人力资源管理的意义 30 3.1.3 ERP中的人力资源管理 30-32 3.2 技术介绍 32-36 3.2.1 B/S结构 32 3.2.2 J2EE 32-33 3.2.3 系统架构的设计 33-36 第四章 SVM及聚类分析在KMUST-IHRS中的应用 36-51 4.1 数据准备 36-38 4.2 具体实现 38-48 4.2.1 IHRS系统的实现 38-40 4.2.1.1 IHRS系统的业务分析 38-39 4.2.1.2 ERP业务构架平台下IHRS系统的实现 39-40 4.2.2 数据挖掘的实现 40-48 4.2.2.1 数据的预处理 40-41 4.2.2.2 基于SVM的招聘预测 41-44 4.2.2.3 聚类分析 44-48 4.3 在Java中调用Matlab的原理 48-51 第五章 结论 51-53 5.1 总结 51-52 5.2 下一步工作 52-53 致谢 53-54 参考文献 54-57
|
相似论文
- 牡丹EST-SSR引物开发及其亲缘关系分析,S685.11
- 高血压前期证候特征研究,R259
- 基于数据挖掘技术的保健品营销研究,F426.72
- 高忠英学术思想与经验总结及运用补肺汤加减治疗呼吸系统常见病用药规律研究,R249.2
- 张炳厚学术思想与临床经验总结及应用地龟汤类方治疗慢性肾脏病的经验研究,R249.2
- 大学生综合素质测评研究,G645.5
- 泉州民办高校人力资源管理研究,G648.7
- 大豆品种对腐竹品质的影响及其品质评价体系的初步构建,TS214.2
- 21个荷花品种遗传多样性的ISSR分析,S682.32
- 基于聚类分析的P2P流量识别算法的研究,TP393.02
- 桃杂交后代(F1)幼苗光合效能评价,S662.1
- 南通市农业面源污染负荷研究与综合评价,X592
- 土壤环境功能区划研究,X321
- 基因表达谱数据聚类分析方法比较与大豆疫霉基因的网络构建,S435.651
- 大豆杂种优势及其遗传基础研究,S565.1
- 象草自交后代无性系的饲用价值及生物质能特性初步评价,S543.9
- 完善高新技术企业导师制的对策研究,F276.44
- Bicluster数据分析软件设计与实现,TP311.52
- 基于变异粒子群的聚类算法研究,TP18
- K-means聚类优化算法的研究,TP311.13
- 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
中图分类: > 经济 > 经济计划与管理 > 企业经济 > 企业计划与经营决策
© 2012 www.xueweilunwen.com
|