中文字幕日韩aⅴ一区二区,69堂国产在线视频

內容簡介

　　《關聯(lián)規(guī)則技術研究》是作者沈斌在關聯(lián)規(guī)則挖掘領域多年研究成果的系統(tǒng)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，然后闡述了該度量與All-set-confidence度量之間的關系，以及該度量的適用范圍；針對普通關聯(lián)規(guī)則在解決前后項集對稱型應用問題上的不足，提出了項項正相關關聯(lián)規(guī)則挖掘問題；針對普通關聯(lián)規(guī)則在解決前后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(lián)規(guī)則挖掘問題；對動態(tài)關聯(lián)規(guī)則技術進行了相應的研究，提出了動態(tài)關聯(lián)規(guī)則新定義，進一步闡述了兩種動態(tài)關聯(lián)規(guī)則挖掘新算法；提出了挖掘帶使用信息的動態(tài)關聯(lián)規(guī)則（DAR-C）新問題，給出了DAR-C規(guī)則的候選有效時段的表示方法，并對DAR-C規(guī)則進行了定義等。本書一方面是數(shù)據(jù)挖掘相關的科技工作者學習、研究、應用、推廣關聯(lián)規(guī)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(lián)規(guī)則的認識、應用和創(chuàng)新。

作者簡介

　　沈斌，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系統(tǒng)研究中心訪問學者。近年來，主持或參與多項國家和省部級科研項目，發(fā)表高水平學術論文20余篇，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人才工程”第三層次培養(yǎng)人員。主要研究方向：數(shù)據(jù)挖掘、物聯(lián)網(wǎng)和智慧城市建設、復雜網(wǎng)絡與復雜系統(tǒng)。

圖書目錄

第1章概論
1.1 引言
1.2 關聯(lián)規(guī)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(lián)規(guī)則技術研究分類
1.3.1 頻繁模式、最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(lián)規(guī)則挖掘研究
1.3.3 關聯(lián)規(guī)則挖掘后處理
1.4 問題的提出
第2章基于相關興趣度的關聯(lián)規(guī)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(lián)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之間的關系
2.2.4 All-item-confidence與卡方檢驗之間的關系
2.3 購物籃中關聯(lián)規(guī)則的應用類型分析
2.4 基于All-itern-confidencee的項項正相關關聯(lián)規(guī)則挖掘
2.4.1 項項正相關關聯(lián)規(guī)則挖掘問題的提出
2.4.2 興趣度度量的選取
2.4.3 基于All-itern-confidence度量的項項正相關關聯(lián)規(guī)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 基于All-item-confidence和項集相關性度量的項項且項集正相關關聯(lián)規(guī)則挖掘
2.6.1 項項且項集正相關關聯(lián)規(guī)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(lián)規(guī)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(tài)關聯(lián)規(guī)則挖掘
3.1 引言
3.2 問題描述及其分析
3.2.1 動態(tài)關聯(lián)規(guī)則原定義
3.2.2 原定義的不足之處
3.3 動態(tài)關聯(lián)規(guī)則新定義及其挖掘算法
3.3.1 動態(tài)關聯(lián)規(guī)則新定義
3.3.2 動態(tài)關聯(lián)規(guī)則挖掘算法
3.3.3 性能評測
3.4 帶使用信息動態(tài)關聯(lián)規(guī)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(tài)關聯(lián)規(guī)則
3.6 帶使用信息的動態(tài)關聯(lián)規(guī)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(lián)規(guī)則挖掘
4.1 引言
4.2 模糊層次型關聯(lián)規(guī)則
4.3 布爾型數(shù)據(jù)庫中的加權模糊層次型關聯(lián)規(guī)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(lián)規(guī)則（WGF—AR）模型
4.4 WGF-AR規(guī)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章基于模糊分類結構的交易數(shù)據(jù)庫關聯(lián)規(guī)則聚類
5.1 引言
5.2 模糊分類結構的合并
5.2.1 模糊分類結構描述
5.2.2 多個有向無環(huán)圖的合并
5.2.3 合并后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 基于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(lián)規(guī)則距離
5.5 規(guī)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(guī)則距離計算實驗
5.6.2 實驗二：規(guī)則聚類可視化計算
5.7 本章小結
第6章使用erot6g6軟件的基于Ontology的關聯(lián)規(guī)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(wǎng)
6.2.3 關聯(lián)規(guī)則及其度量
6.3 基于Ontology的智能規(guī)則檢索系統(tǒng)體系結構
6.3.1 體系結構
6.3.2 檢索方式
6.4 基于語義web的關聯(lián)規(guī)則檢索核心技術
6.4.1 規(guī)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(lián)規(guī)則技術進展及趨勢展望
7.1 最新技術進展
7.1.1 關聯(lián)規(guī)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(lián)規(guī)則（Actionable Association Rule）、領域驅動關聯(lián)規(guī)則
7.1.5 關聯(lián)規(guī)則、模式應用研究
7.2 值得關注的方向
附錄關聯(lián)規(guī)則研究資料匯總
參考文獻