文档介绍：基于数据挖掘的失业人员再就业预测模型研究摘要实现充分就业是近年来我国的一个工作重点,虽然各级政府和社会各界对就业工作十分重视,并探索出许多有益的经验,但随着城镇化、工业化、经济成分多元化和就业形式多样化,劳动关系将更趋复杂,就业形势将更为严峻。充分就业是现代国家宏观经济的重要目本文为年度浙江省科技厅支撑和引导计划面上项目—痘究面向劳动力市场决策支持的功能层,即建立符合国内实际情况的劳题:劳动力供需、失业率、再就业困难程度进行了深入探索。应用数测模型、基于竞争神经网络的失业预警模型和基于聚类的失业人员再式的时间序列挖掘算法奔湫蛄凶;怀墒奔渥有蛄惺菁标之一。于网格的分布式劳动力市场决策支持系统》的核心研究内容,主要研。动力需求、供给等模型库和方法库。失业人员并不是完全被动的承受者,有必要从微观层面出发,对个体的选择行为进行剖析。因此,本文从研究国内外失业理论和发展、我国就业和失业特征、现状、存在问题和解决办法等入手,通过总结和分析,对我国失业再就业突出问据挖掘等技术和方法构建了基于趋势模式的劳动力供需时间序列预就业困难程度评分评级模型。基于趋势模式的劳动力供需时间序列预测模型利用基于趋势模
以提取序列模式,进行基于置信度的时序趋势模式预测。基于竞争神经网络的失业预警模型利用基于牟愦位楹纤惴⊿.分类边界得以收缩而更加准确;而作为启发式过程初始化困难程度评分评级模型利用劾嗨惴ǘ云婪纸峁远劾啵得到再就业困难程度分级,有效的解决了传统评级方法均方差,分界值确定难的问题。为了提高聚类性能,解决局部极小解,确定聚类算法初值的选取问题,提出一种新的基于距离的初始化方法,它进行模型实证分析。这些预测预警模型,为帮助失业人员再就业,关键词:失业;再就业;时间序列数据挖掘,学习矢量量化;自组织映射;聚类评级娜ㄖ担嵘薒算法整体性能。基于聚类的失业人员再就业不需要设定门限,不受数据集的顺序影响,而且对孤立点和噪声有较强的抑制能力。本文以杭州市劳动和社会保障局人力资源系统数据和杭州市统计年鉴数据为样本输入和局部利用开源数据挖掘软件’提高社会就业率提供了定量分析工具和决策支持服务。Ⅱ
·”,瓵琹.’”——甌,疭瑂琾瑃瑃,,‘瓸
鶼簎籸籺詎甌—.;;.
:年月以日独创性声明关于论文使用授权的说明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含本人为获得浙江工商大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。本学位论文作者完全了解浙江工商大学有关保留、使用学位论文的规定:浙江工商大学有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅,可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文,并且本人电子文档的内容和纸质论文的内容相一致。保密的学位论文在解密后也遵守此规定。
。失业是人力资源的浪费,它导致的问题是多方面的,比如社会不安定、矛盾激化、犯罪率上升、经济出现恶性循环等。就业和再就业是近年来我国的一个工作重点,虽然各级政府和社会各界对就业工作十分重视,并探索出许多有益的经验,但随着我国经济体制改革的逐步深入,经济结构的不断调整,我国劳动力供大于求的矛盾并没有缓解,就业的结构性矛盾更加日渐突出。同时,我为标准,登记的劳动力才被统计在失业指标内,而可以肯定的是有相当多的失业人员没有登记,这就在统计上出现了漏洞。我国对失业率的统计是以城镇职工为对象的,对农村中的过剩劳动力,特别是涌入城市的“民工’’则不包括在统计范围内。这都反映了国家公布的失业统计不能准确的反映失业状况的实际,我国失业问题可能比统计数字反映出的更要严重。以往关于失业人员再就业问题的研究,大多将焦点集中于社会保障阀题的制度层面,关注制度的实施结果和所遭遇的实际问题,即以一种自上而下的视角来分析社会保障制度的缺漏,而忽视了在政策实施过程中目标对象所具有的实践能力。失业人员并不是完全被动的承受者,有必要从微观层面出发,对个体的选择行为进行剖析。本文从研究国内外就业失业理论和发展、我国就业失业特征、出问题:失业劳动力供需、失业率、再就业困难进行了深入研究。应用数据挖掘等技术和方法构建了基于趋势模式的劳动力供需预测模型、基于竞争神经网络的失业预警模型、基于聚类的失业人员再就业困难程度评分评级模型。这些预测预警模型,为帮助失业人员再就业,提高社会就业率提供了定量分析工具和