1. 研究目的与意义
麦斯默（Math Model）数据分析系统通过采用聚类分析，Apriori算法，决策树，神经网络等算法，针对不同的数据采用不同的，更加合适的挖掘方法，从隐没在一大批看似杂乱无章的数据中，找出数据的内在联系，为决策提供依据。
数据本身不会说话，通过一定的数据分析，让数据开口#8220;说话#8221;，指导现实的活动。
数据分析意义广泛，可以应用在各个行业，应用在电子商务中，可以对网站进行分析，识别用户行为模式，优化网站设计，指导企业决策；应用于金融业，可以控制投资的风险，评估客户的信用程度，发现一些恶意行为；应用在医学领域，可以分析疾病成因，分析医院系统，改善医护质量，降低医疗成本，降低误诊率；应用于物流行业，由于物流系统庞大复杂难以人工处理，通过数据分析可以帮助决策者准确决策，提高企业的运作效率，降低物流成本增加收益，同时能够了解到不同用户的爱好，有针对性的提供产品和服务。
2. 研究内容和预期目标
一、研究内容1．数据导入模块（1）TXT文本导入（2）EXCEL表格导入（3）本地数据库导入2．数据保存模块（1）保存至本地TXT文本（2）保存至本地EXCEL（3）保存至本地数据库3．数据挖掘算法选定模块（1）Apriori关联度算法（2）决策树算法（3）神经网络算法（4）聚类分析算法（5）遗传算法（6）网络最大流算法（7）最短路径算法(有环/无环)（8）简单排序4．数据分析模块（1）选定待分析的数据（2）设置初始阈值（如Apriori算法需要设置最小关联度）（3）选定数据领域（如金融，物流等）5．数据提议模块（帮助模块）（1）使用建议（2）数据格式规范建议（3）数据出错处理建议（4）分析结果异常建议6．可视化模块（1）以表格形式显示分析结果（2）以语言形式给出分析后的建议（3）以图的形式给出分析的结果二、拟解决的关键问题 1．基于聚类分析对数据进行预处理，准确找到数据之中的数据特征并进行分类。
2．基于Apriori算法生成相应的频繁集从而找出数据之间的相关性。
3．基于决策树对已知的大量数据进行分析，构造决策树评价项目风险以及可实行的决策方案。
3. 国内外研究现状
(1)SPSS软件，SPSS为IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务。
SPSS是世界上最早采用图形菜单驱动界面的统计软件，它最突出的特点就是操作界面极为友好，输出结果美观漂亮。
SPSS统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类，每类中又分好几个统计过程，比如回归分析中又分线性回归分析、曲线估计、Logistic回归、Probit回归、加权估计、两阶段最小二乘法、非线性回归等多个统计过程，而且每个过程中又允许用户选择不同的方法及参数。
4. 计划与进度安排
2022-10-20至2022-11-10同老师学习和探讨毕业设计的有关问题并且确定选题。
2022-11-11 至2022-12-10确定选题后，对设计的内容进行调研，确定需要实现的功能，以及合理计划实现需要的时间，撰写开题报告。
2022-12-11 至2022-01-01收集相关资料，确定实现所用的平台，学习所要实现的所有算法，能够以伪代码形式表现出来。
5. 参考文献
[1]霍斯特曼，java核心技术卷2：高级特性[M],北京：机械工业出版社,2014[2]周志明，深入理解java虚拟机:JVM高级特性与最佳实践[M]北京：机械工业出版社,2013[3]EMC Education Services,数据的发现 分析 可视化与表示[M],北京：人民邮电出版社，2016[4]周志华，机器学习[M],北京：清华大学出版社，2016[6]王蒙,方睿,邹书蓉，基于矩阵相乘的Apriori改进算法[J]，计算机与数字工程,2018（10）:1974-1979[7]圣文顺,张林慧,Apriori算法在数据挖掘中的应用[J],电子世界,2018(19):122-126[8]周磊,杨威,张玉峰,共现矩阵聚类分析的问题与再思考[J],情报杂志,2014:32-36[8]刘文佳,张骏,一种改进的K-Means聚类算法[J],现代商贸工业,2018:196-198[9]刘猛,戚红雨,王荆宁,刘丽哲,基于神经网络算法的智能抗干扰系统设计[J],计算机测量与控制,2018(10):155-159 [10]田晔非,翟渊,基于广义回归神经网络的阳极效应自动预测[J],电子器件,2018(5):1291-1295. [11]任磊,杜一,马帅,张小龙,戴国忠,大数据可视分析综述[J],软件学报,2014(9):1909-1936 [12]栾文鹏,余贻鑫,王兵,AMI数据分析方法[J],中国电机工程学报,2015(1):29-36 [13]张引,陈敏,廖小飞,大数据应用的现状与展望[J],计算机研究与发展,2013(2):216-233 [14]郑吉,周莲英,基于层次性过滤的社交网络关键节点挖掘算法研究[J],数据通信,2018(4):26-31 [15]关雪峰,曾宇媚,时空大数据背景下并行数据处理分析挖掘的进展及趋势[J],地理科学进展,2018(10):1314-1327
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
