项目类别：校内学术科研项目
项目编号：2018HSXS07
经 费：6万
项目负责人：朱小云
论文成果名称：The influence of computer network technology on national income distribution under the background of social economy.
成果说明：SCIE，JCR-Q2
成果内容提要：
一、主要观点
数据挖掘算法广泛应用于商业智能领域，针对基于计算机网络技术的边缘计算模式应用于数据管理的现状，论文基于经典的Apriori算法和im-k-means算法，通过优化候选集和确定初始值的策略提高运算效率，对社群经济背景下国民收入情况的数据挖掘算法进行了优化和改进。利用SPSS Clementine软件进行流程建模，采用改进的im-k-means算法和Apriori算法模型对数据规则进行挖掘，将改进算法应用于包含10个属性（工资收入类别、工作时间、性别、种族、家庭角色、职业、婚姻状态、受教育时间、受教育程度、工作性质）的国民收入管理中。根据案例的置信度分析，得出结论：社群经济背景下，婚姻状况对工资收入类别的影响较大，受教育程度和时间对工资收入水平的影响能力较弱，同时工作性质和工作时间对工资收入水平也会产生一定的影响。
二、主要突破与创新：
（1）从三个方面对Apriori算法进行了优化。第一点是快速确定项目集是否为频繁项目集。第二点是如何快速确定项集是否为频繁项集。第三点是确定双向搜索机制，从上到下扫描数据集。
（2）在社群经济背景下，能够采用改进的数据挖掘算法来从海量网络行为数据中：获取、整合、分析具有商业价值的有效信息，更好的进行商业决策。同时，为计算机网络技术在数据管理中的应用做出了重要贡献，也为国民收入分类提供了科学合理的方法。
三、应用价值：
Apriori算法和K-means数据挖掘算法已经在很多领域得到了应用，并取得了很多突破性的进展和成果。但经典的数据挖掘算法存在一些不足和问题，将数据挖掘算法应用于国家人口及商业管理的效果还不理想。改进的Apriori算法可以克服大量候选频繁集的产生，减少目标数据库的扫描次数，提高算法效率，减少CPU执行时间。采用改进的apriori算法对关联规则进行分析，国民收入数据属性以Excel的形式输出，可以提高传统人口收入管理的运行效率，方便专家探索属性之间的相关性。
