本文關(guān)鍵詞：聚類和主成分分析在吉林省城市公用事業(yè)分析中的應(yīng)用

  更多相關(guān)文章： 主成分分析 聚類分析 城市公共事業(yè)

【摘要】：城市公共事業(yè)是關(guān)系到廣大人民基本生活質(zhì)量的行業(yè),城市公共事業(yè)和每個(gè)人的生活息息相關(guān),它深入到每個(gè)家庭的內(nèi)部,和公眾的基本生活離不開。隨著經(jīng)濟(jì)的高速發(fā)展,社會(huì)的不斷進(jìn)步,城市公用事業(yè)所包含的內(nèi)容也非常的豐富。本文研究的城市公共事業(yè)主要包括以下幾個(gè)方面:(1)城市建設(shè)用地。(2)城市供水。(3)城市天燃?xì)狻?4)城市集中供熱。(5)城市市政設(shè)施。(6)城市綠地和園林。(7)城市市容環(huán)境衛(wèi)生。(8)城市設(shè)施水平。我國目前有34個(gè)省級行政區(qū),吉林省的經(jīng)濟(jì)發(fā)展水平在我國所有省級行政區(qū)之中處于中下游的的位置,例如2013年國民生產(chǎn)總值(GDP)位列21位,2014和2015年國民生產(chǎn)總值位列22位,經(jīng)濟(jì)發(fā)展水平?jīng)Q定了公共事業(yè)的財(cái)政支出,因此研究吉林省的公共事業(yè)相關(guān)問題,可以較準(zhǔn)確的反映我國真實(shí)的社會(huì)現(xiàn)狀。本文以吉林省29個(gè)城市為研究對象,研究的是吉林省城市公共事業(yè)方面。本文使用數(shù)據(jù)挖掘中的聚類分析算法和主成分分析算法,對吉林省29個(gè)城市城市公共事業(yè)方面進(jìn)行分析。本文的數(shù)據(jù)來源是《吉林省統(tǒng)計(jì)年鑒-2015》,吉林省統(tǒng)計(jì)年鑒是一部資料性年刊,全面反映了吉林省經(jīng)濟(jì)方面和社會(huì)方面的統(tǒng)計(jì)性數(shù)據(jù)。本文主要完成了以下兩個(gè)任務(wù)。第一,將聚類分析應(yīng)用于吉林省城市公共事業(yè)方面的分析。聚類分析是數(shù)據(jù)挖掘中比較經(jīng)典的研究算法。它主要是根據(jù)“物以類聚”的思想進(jìn)行劃分。聚類分析,根據(jù)數(shù)據(jù)中發(fā)現(xiàn)的對象的特征,將特征相近或者相似的對象劃分到同一個(gè)類中,將特征不同差異較大的對象劃分到不同的類中。在同一個(gè)類中,對象的特點(diǎn)是相近或者相似的。聚類效果越好的標(biāo)準(zhǔn)是,同一個(gè)類中的對象的性質(zhì)更加相近,不同類中的對象的性質(zhì)差別更大。將吉林省二十九個(gè)城市公共事業(yè)方面的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行整理,對二十九個(gè)城市進(jìn)行聚類分析,使用的聚類分析算法是K均值聚類,通過不同的類數(shù)K,來進(jìn)行聚類,對結(jié)果進(jìn)行分析。第二,將主成分分析應(yīng)用于吉林省城市公共事業(yè)方面的分析。主成分分析算法是將原始數(shù)據(jù)的多個(gè)屬性變量進(jìn)行轉(zhuǎn)化,轉(zhuǎn)化成少數(shù)幾個(gè)主成分,這些主成分之間不相關(guān),主成分分析算法是一種多元的統(tǒng)計(jì)學(xué)方法。從數(shù)學(xué)的角度來看,主成分分析的過程就是從高維的數(shù)據(jù)信息轉(zhuǎn)化成低維的數(shù)據(jù)信息的過程。將吉林省二十九個(gè)城市的城市公共事業(yè)的相關(guān)數(shù)據(jù)進(jìn)行整理,總共41個(gè)指標(biāo),利用主成分分析算法得到5個(gè)主成分,并利用主成分得分算法計(jì)算主成分綜合得分,將二十九個(gè)城市按照綜合得分進(jìn)行排序,得到吉林省二十九個(gè)城市在城市公共衛(wèi)生事業(yè)方面的排名,同時(shí)結(jié)合聚類分析的結(jié)果進(jìn)行對比,發(fā)現(xiàn)跟聚類分析的結(jié)果在大體走勢上相似,從而驗(yàn)證了本文兩種算法的有效性,并且根據(jù)結(jié)果提供相關(guān)的參考性數(shù)據(jù)信息。
【關(guān)鍵詞】：主成分分析 聚類分析 城市公共事業(yè)
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F299.24;TP311.13
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-20
• 1.1 研究背景10-12
• 1.2 吉林省簡介12-15
• 1.3 數(shù)據(jù)來源15-17
• 1.4 本文的主要工作17
• 1.5 選擇本文算法的理由17-18
• 1.6 本文的主體框架18-19
• 1.7 本章小結(jié)19-20
• 第2章 聚類分析20-24
• 2.1 聚類分析簡介20-21
• 2.2 幾種聚類算法21-22
• 2.3 K均值聚類算法22-23
• 2.4 本章小結(jié)23-24
• 第3章 城市公用事業(yè)聚類分析24-33
• 3.1 數(shù)據(jù)預(yù)處理24-25
• 3.2 聚類過程25-29
• 3.3 聚類結(jié)果分析29-32
• 3.4 本章小結(jié)32-33
• 第4章 城市公用事業(yè)主成分分析33-51
• 4.1 主成分分析33-35
• 4.2 本文數(shù)據(jù)預(yù)處理35-36
• 4.3 主成分分析過程36-45
• 4.4 主成分得分及綜合得分排名45-49
• 4.4.1 計(jì)算主成分得分45-47
• 4.4.2 計(jì)算綜合得分47
• 4.4.3 結(jié)果分析47-49
• 4.5 本章小結(jié)49-51
• 第5章 總結(jié)及展望51-54
• 5.1 全文總結(jié)51-53
• 5.2 展望53-54
• 參考文獻(xiàn)54-58
• 作者簡介及在學(xué)期間所取得的科研成果58-59
• 致謝59

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 邱增健;;聚類分析法在國際工程分包商選擇中的應(yīng)用[J];江蘇建材;2015年06期

2 聶艷萍;蘇亞然;王歆;;基于聚類分析的白酒上市公司投資風(fēng)險(xiǎn)評價(jià)[J];河北科技大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2015年04期

3 李童瑤;陳馨;鄧晶;陳康;孫偉豪;鄭瑩;;基于聚類分析的福建省森林火災(zāi)風(fēng)險(xiǎn)區(qū)劃[J];福建林業(yè)科技;2015年04期

4 陳夏芳;曹春萍;;改進(jìn)的譜聚類算法在文本情感分析中的應(yīng)用[J];信息技術(shù);2015年12期

5 姜楠;姜麗燕;李梅芳;;山東省各地市環(huán)境污染及經(jīng)濟(jì)因素的聚類分析[J];資源節(jié)約與環(huán)保;2015年12期

6 陳靜;;灰色聚類分析法在連鎖超市供應(yīng)商管理中的應(yīng)用分析[J];山西經(jīng)濟(jì)管理干部學(xué)院學(xué)報(bào);2015年04期

7 顧麗娟;司守奎;孫慧靜;董超;;模糊聚類分析應(yīng)用于炮兵精確打擊效能評估[J];兵工自動(dòng)化;2015年12期

8 黃瀟迪;湯小華;;基于主成分—聚類分析的泉州市土地利用功能分區(qū)研究[J];海南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年04期

9 臧傳芹;謝孔峰;;基于灰色聚類分析的教師課堂教學(xué)測評模型[J];赤峰學(xué)院學(xué)報(bào)(自然科學(xué)版);2015年23期

10 王坤;;基于聚類方法的云南速溶咖啡營養(yǎng)成分分析[J];曲靖師范學(xué)院學(xué)報(bào);2015年06期

，

本文編號：564780