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