精準扶貧是指針對不同貧困區(qū)域環(huán)境、不同貧困農(nóng)戶狀況,運用科學有效程序?qū)Ψ鲐殞ο髮嵤┚_識別、精確幫扶、精確管理的治貧方式。目前的精準扶貧工作中,貧困戶識別和幫扶措施匹配主要是通過駐村干部遍訪和建檔立卡,但是全中國有6億多農(nóng)村人口,傳統(tǒng)方法費時費力且不易管理,迫切需要引入新技術(shù)、新手段完成區(qū)域內(nèi)貧困戶和幫扶措施的智能識別,降低人力成本和人為因素干擾,使扶貧工作智能化、透明化。本文將數(shù)據(jù)挖掘技術(shù)引入到精準扶貧工作中,通過一系列數(shù)據(jù)處理分析方案,輔助扶貧工作完成貧困戶貧困特征的智能識別,為精準匹配幫扶措施打下基礎(chǔ)。首先,數(shù)據(jù)準備階段,包括數(shù)據(jù)指標體系的建立和數(shù)據(jù)的前期處理。通過對扶貧問題、政策、方案的深入研究,初步分析建檔立卡、遍訪數(shù)據(jù)等內(nèi)部數(shù)據(jù)以及衛(wèi)計、民政、教育、財政等部門數(shù)據(jù)和互聯(lián)網(wǎng)數(shù)據(jù),綜合考慮專家意見,建立精準幫扶數(shù)據(jù)指標體系,便于對數(shù)據(jù)進行科學有效的存儲、管理,服務(wù)于進一步的數(shù)據(jù)分析工作。然后,本文設(shè)計了數(shù)據(jù)標準化方案、指標清洗方案,完成扶貧數(shù)據(jù)的預(yù)處理工作,為后期的數(shù)據(jù)分析完成數(shù)據(jù)準備。然后,數(shù)據(jù)挖掘階段,本文通過DBSCAN聚類算法來挖掘貧困戶的貧困特征,完成貧困戶貧困特征的... 

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 引言
    1.1 研究背景和意義
    1.2 研究現(xiàn)狀
        1.2.1 精準幫扶研究現(xiàn)狀
        1.2.2 數(shù)據(jù)挖掘研究現(xiàn)狀
    1.3 論文主要內(nèi)容與組織結(jié)構(gòu)
        1.3.1 主要研究內(nèi)容
        1.3.2 本文的組織結(jié)構(gòu)
第2章 數(shù)據(jù)挖掘
    2.1 數(shù)據(jù)挖掘的定義
    2.2 數(shù)據(jù)挖掘的過程
        2.2.1 數(shù)據(jù)準備
        2.2.2 數(shù)據(jù)挖掘
        2.2.3 結(jié)果解釋和評價
    2.3 數(shù)據(jù)挖掘算法
        2.3.1 聚類算法
        2.3.2 分類算法
        2.3.3 關(guān)聯(lián)性分析算法
        2.3.4 遺傳算法
    2.4 本章小結(jié)
第3章 精準幫扶數(shù)據(jù)前期處理
    3.1 精準幫扶數(shù)據(jù)指標體系
    3.2 數(shù)據(jù)分類技術(shù)
    3.3 數(shù)據(jù)標準化方案
    3.4 數(shù)據(jù)指標清洗方案
    3.5 本章小結(jié)
第4章 DBSCAN算法及其改進策略
    4.1 DBSCAN算法
        4.1.1 算法原理
        4.1.2 DBSCAN在高維數(shù)據(jù)集中的局限
        4.1.3 DBSCAN在大規(guī)模數(shù)據(jù)集中的局限
    4.2 基于局部敏感哈希的DBSCAN算法改進策略
        4.2.1 局部敏感哈希算法
        4.2.2 基于K近鄰的二進制數(shù)據(jù)表示
    4.3 基于二進制影響空間和種子點的DBSCAN算法改進策略
        4.3.1 基于二進制數(shù)據(jù)集的影響空間
        4.3.2 種子點選取策略
    4.4 算法步驟
    4.5 實驗評估與分析
        4.5.1 查詢時間對比
        4.5.2 聚類質(zhì)量對比
        4.5.3 實際數(shù)據(jù)集中算法性能驗證
    4.6 本章小結(jié)
第5章 改進DBSCAN算法在貧困特征智能識別中的應(yīng)用
    5.1 扶貧數(shù)據(jù)前期處理
    5.2 聚類挖掘與分析
    5.3 區(qū)域結(jié)果分析與展示
第6章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 未來展望
參考文獻
致謝
附錄
圖版


【參考文獻】：
期刊論文
[1]特征聚類在油田測試方案優(yōu)化中的研究[J]. 李洪奇,張艷麗,楊景海,朱麗萍,趙艷紅,裴建亞.  計算機工程與應(yīng)用. 2017(21)
[2]基于主成分和聚類分析的曲拉品質(zhì)的綜合評價[J]. 陳夢音,王琳琳,韓玲,丁考仁青,張佳瑩,黃彩燕,文鵬程.  食品科學. 2017(13)
[3]基于LSH的高維大數(shù)據(jù)k近鄰搜索算法[J]. 王忠偉,陳葉芳,錢江波,陳華輝.  電子學報. 2016(04)
[4]一種基于近鄰表示的聚類方法[J]. 周國兵,吳建鑫,周嵩.  軟件學報. 2015(11)
[5]我國精準扶貧工作機制問題探析[J]. 王國勇,邢溦.  農(nóng)村經(jīng)濟. 2015(09)
[6]結(jié)合降維技術(shù)的電力負荷曲線集成聚類算法[J]. 張斌,莊池杰,胡軍,陳水明,張明明,王科,曾嶸.  中國電機工程學報. 2015(15)
[7]精準扶貧的難點、對策與路徑選擇[J]. 鄧維杰.  農(nóng)村經(jīng)濟. 2014(06)
[8]農(nóng)村扶貧開發(fā)動態(tài)評價指標體系構(gòu)建研究——以蘭州市為例[J]. 張小鸋,付英,馬燕玲.  浙江農(nóng)業(yè)學報. 2014(01)
[9]中國西部地區(qū)生態(tài)扶貧策略研究[J]. 劉慧,葉爾肯·吾扎提.  中國人口.資源與環(huán)境. 2013(10)
[10]基于流形學習的局部保持PCA算法在故障檢測中的應(yīng)用[J]. 王健,馮健,韓志艷.  控制與決策. 2013(05)

博士論文
[1]聚類分析及其應(yīng)用研究[D]. 唐東明.電子科技大學 2010
[2]高維數(shù)據(jù)的聚類方法研究與應(yīng)用[D]. 陳黎飛.廈門大學 2008



本文編號：3652224