![](/c49/30/1028292043.jpg)
出版社:浙江大學出版社 ISBN:9787308099264 商品編碼:1028292043 開本:32 出版時間:2012-06-01 代碼:28 作者:瀋斌
" 基本信息 - 商品名稱:關聯規則技術研究
- 作者:瀋斌
- 代碼:28
- 出版社:浙江大學出版社
- ISBN號:9787308099264
其他參考信息 - 出版時間:2012-06-01
- 印刷時間:2012-06-01
- 版次:1
- 印次:1
- 開本:32開
- 包裝:平裝
- 頁數:169
- 字數:170千字
編輯推薦語 《關聯規則技術研究》是作者瀋斌在關聯規則挖掘領域多年研究成果的繫統總結。在相關綜述的基礎上,重點探討了以下幾個方面的工作:提出了一種新的相關性興趣度度量All-itern-confidence,研究了該度量所具有的性質,然後闡述了該度量與All-set-confidence度量之間的關繫,以及該度量的適用範圍;針對普通關聯規則在解決前後項集對稱型應用問題上的不足,提出了項項正相關關聯規則挖掘問題;針對普通關聯規則在解決前後項集非對稱型應用問題上的不足,進一步提出了項項且項集正相關關聯規則挖掘問題;對動態關聯規則技術進行了相應的研究,提出了動態關聯規則新定義,進一步闡述了兩種動態關聯規則挖掘新算法;提出了挖掘帶使用信息的動態關聯規則(DAR-C)新問題,給出了DAR-C規則的候選有效時段的表示方法,並對DAR-C規則進行了定義等。 本書一方面是數據挖掘相關的科技工作者學習、研究、應用、推廣關聯規則技術的重要參考資料;另一方面也可以作為相關領域研究生、本科生的教材和學習資料。希望本書能夠促進廣大科技工作者對關聯規則的認識、應用和創新。 作者簡介 瀋斌,工學博士,浙江大學寧波理工學院副教授,浙江大學碩士生導師,澳大利亞悉尼科技大學量子計算與智能繫統研究中心訪問學者。近年來,主持或參與多項**和省部級科研項目,發表高水平學術論文20餘篇,出版專著1部,主編科普讀物1部。2011年被列入浙江省“新世紀151人纔工程”第三層次培養人員。主要研究方向:數據挖掘、物聯網和智慧城市建設、復雜網絡與復雜繫統。 目錄 **章 概論 1.1 引 言 1.2 關聯規則技術基礎知識 1.2.1 基本概念 1.2.2 挖掘方法 1.3 關聯規則技術研究分類 1.3.1 頻繁模式、*大頻繁模式和閉合頻繁模式挖掘 1.3.2 多種擴展形式的關聯規則挖掘研究 1.3.3 關聯規則挖掘後處理 1.4 問題的提出 第2章 基於相關興趣度的關聯規則挖掘 2.1 引 言 2.2 一種新的相關興趣度度量 2.2.1 已有的關聯和相關興趣度度量 2.2.2 All-itern-confidence相關興趣度度量 2.2.3 All-itern-confidence與All-set-confidence之間的關繫 2.2.4 All-item-confidence與卡方檢驗之間的關繫 2.3 購物籃中關聯規則的應用類型分析 2.4 基於All-itern-confidencee的項項正相關關聯規則挖掘 2.4.1 項項正相關關聯規則挖掘問題的提出 2.4.2 興趣度度量的選取 2.4.3 基於All-itern-confidence度量的項項正相關關聯規則挖掘 2.5 挖掘算法ItemCoMine_AP和ItemCoMine_CT 2.5.1 ItemCoMine_AP算法 2.5.2 ItemCoMine_CT算法 2.5.3 實驗測評和比較分析 2.6 基於All-item-confidence和項集相關性度量的項項且項集正相關關聯規則挖掘 2.6.1 項項且項集正相關關聯規則挖掘問題的提出 2.6.2 項集相關性度量 2.6.3 項項且項集正相關關聯規則定義和舉例 2.7 挖掘算法I&ISCoMine_AP和I&ISCoMine_CT 2.7.1 I&ISCoMine_AP算法 2.7.2 I&ISCoMine_CT算法 2.7.3 實驗測評和比較分析 2.8 本章小結 第3章 動態關聯規則挖掘 3.1 引 言 3.2 問題描述及其分析 3.2.1 動態關聯規則原定義 3.2.2 原定義的不足之處 3.3 動態關聯規則新定義及其挖掘算法 3.3.1 動態關聯規則新定義 3.3.2 動態關聯規則挖掘算法 3.3.3 性能評測 3.4 帶使用信息動態關聯規則挖掘問題的提出 3.5 問題定義 3.5.1 候選有效時段表示 3.5.2 帶使用信息的動態關聯規則 3.6 帶使用信息的動態關聯規則挖掘算法 3.6.1 挖掘框架 3.6.2 ITS2算法 3.6.3 EFP-GrOWth2算法 3.6.4 使用信息生成 3.6.5 性能評測 3.6.6 應用實例 3.7 本章小結 第4章 加權模糊層次關聯規則挖掘 4.1 引 言 4.2 模糊層次型關聯規則 4.3 布爾型數據庫中的加權模糊層次型關聯規則挖掘 4.3.1 加權的原因 4.3.2 葉子結點項權值的確定 4.3.3 加權模糊層次型關聯規則(WGF—AR)模型 4.4 WGF-AR規則挖掘算法 4.4.1 性質 4.4.2 W-Apriori算法 4.5 性能測評 4.5.1 實驗一:算法性能測試 4.5.2 實驗二:可伸縮性實驗 4.6 本章小結 第5章 基於模糊分類結構的交易數據庫關聯規則聚類 5.1 引 言 5.2 模糊分類結構的合並 5.2.1 模糊分類結構描述 5.2.2 多個有向無環圖的合並 5.2.3 合並後的模糊分類結構描述 5.3 帶語義差別信息的模糊分類結構 5.4 基於模糊分類結構的距離度量 5.4.1 項間距離 5.4.2 項集距離 5.4.3 關聯規則距離 5.5 規則聚類算法的選擇和應用 5.6 實驗分析與討論 5.6.1 實驗一:規則距離計算實驗 5.6.2 實驗二:規則聚類可視化計算 5.7 本章小結 第6章 使用erot6g6軟件的基於Ontology的關聯規則檢索 6.1 引 言 6.2 相關概念簡介 6.2.1 語義本體 6.2.2 語義網 6.2.3 關聯規則及其度量 6.3 基於Ontology的智能規則檢索繫統體繫結構 6.3.1 體繫結構 6.3.2 檢索方式 6.4 基於語義web的關聯規則檢索核心技術 6.4.1 規則檢索Ontology 6.4.2 商品項目實例和Rules實例標注 6.4.3 查詢解析 6.5 本章小結 第7章 關聯規則技術進展及趨勢展望 7.1 *新技術進展 7.1.1 關聯規則隱藏(Association Rules Hiding) 7.1.2 比對模式(Contrast Patterns/Emerging Patterns) 7.1.3 圖模式(Graph Patterns) 7.1.4 可行動關聯規則(Actionable Association Rule)、領域驅動關聯規則 7.1.5 關聯規則、模式應用研究 7.2 值得關注的方向 附錄 關聯規則研究資料彙總 參考文獻
" |