中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
負關聯規則挖掘技術研究 版權信息
- ISBN：9787302559689
- 條形碼：9787302559689 ; 978-7-302-55968-9
- 裝幀：70g膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
負關聯規則挖掘技術研究 本書特色
是作者在該領域多年研究成果的系統總結，涵蓋了負關聯規則基本概念、算法以及具體應用。 計算機相關專業高年級本科生或研究生學習數據挖掘、智能信息處理的教材
負關聯規則挖掘技術研究 內容簡介
本書首先向讀者介紹了關聯規則從研究背景與意義出發，著重向讀者講解負關聯規則基本概念，研究負關聯規則可能遇到的問題如矛盾規則問題、置信度設置問題、非頻繁項集問題、多數據庫挖掘問題和冗余規則處理問題等，以及為了解決以上問題所采取的措施（提出的算法），此外在每一種算法之后都會附有相關實驗從而幫助讀者更好的理解并使用相關算法。
負關聯規則挖掘技術研究 目錄
目錄
第1章關聯規則挖掘概述1
1.1數據挖掘概述1
1.1.1數據挖掘的起源1
1.1.2數據挖掘的定義3
1.1.3數據挖掘的任務4
1.2關聯規則挖掘7
1.2.1概述7
1.2.2主要算法8
1.2.3Apriori算法詳解14
1.2.4由頻繁項集產生關聯規則19
小結20
第2章挖掘負關聯規則的PNARC模型21
2.1負關聯規則概述21
2.2正負關聯規則相關性模型——PNARC模型23
2.2.1問題分析23
2.2.2負關聯規則中支持度與置信度的計算24
2.2.3相關性在正負關聯規則挖掘中的應用26
2.2.4PNARC算法29
2.3PNARC模型實驗結果30
2.3.1示例數據31
2.3.2更多的實驗結果32
小結40
第3章興趣度在負關聯規則中的應用研究41
3.1興趣度在正關聯規則中的應用概述41
3.2χ2檢驗在負關聯規則中的應用研究46
3.2.1假設檢驗相關知識46
3.2.2χ2檢驗在負關聯規則中的應用研究48
3.2.3算法設計52
3.2.4實驗結果53
3.3相關系數在負關聯規則中的應用研究55
3.4*小興趣度在負關聯規則中的應用研究57
3.4.1PS興趣度相關問題討論57
3.4.2算法設計58
3.4.3實驗結果59
小結62
第4章多數據庫中的負關聯規則挖掘63
4.1多數據庫中的正關聯規則挖掘概述63
4.2多數據庫中的負關聯規則挖掘67
4.2.1挖掘合成規則67
4.2.2算法設計及實驗68
4.3多數據庫中挖掘負加權關聯規則72
4.4基于PS興趣度的多數據庫中的負關聯規則挖掘79
4.5多數據庫中的例外關聯規則挖掘82
小結86
第5章負時態關聯規則挖掘87
5.1研究時態關聯規則的必要性87
5.2兩種典型的正時態關聯規則挖掘模型88
5.2.1日歷模型分析88
5.2.2商品生命周期模型分析90
5.3挖掘時態頻繁項集算法91
5.3.1相關定義91
5.3.2GTFS算法設計92
5.3.3GTFS算法舉例93
5.4負時態關聯規則挖掘模型95
5.4.1相關定義95
5.4.2CTFS算法設計及CTP算法設計97
5.4.3CTP模型舉例98
小結100
第6章非頻繁項集挖掘技術101
6.1比例比率模型101
6.2兩級支持度模型104
6.2.12LS算法設計104
6.2.22LS算法實驗結果106
6.2.32LSP算法設計106
6.2.42LSP模型實驗結果107
6.3多級*小支持度模型110
6.3.1MLMS模型中非頻繁項集的定義110
6.3.2MLMS算法設計111
6.3.3實驗結果112
6.4MLMS的興趣度模型——IMLMS模型114
6.4.1項集的修剪方法114
6.4.2IMLMS算法設計116
6.4.3實驗結果118
6.5多項支持度模型119
6.6用基本Apriori算法實現MIS模型124
6.6.1MSB_apriori算法124
6.6.2實驗結果125
6.6.3MSB_apriori+算法127
6.6.4實驗結果128
6.7擴展的多項支持度模型130
小結132
第7章負關聯規則修剪技術的研究136
7.1正關聯規則修剪的有關技術回顧136
7.2*小冗余的無損關聯規則集表述141
7.2.1有關定義141
7.2.2無損規則集表述的推演142
7.3基于*小相關度的負關聯規則修剪技術146
7.4基于多*小置信度的負關聯規則修剪技術151
7.4.1多置信度的必要性分析152
7.4.2算法和實驗結果155
7.5基于邏輯推理的負關聯規則修剪技術158
小結165
第8章負頻繁項集及其負關聯規則挖掘166
8.1負頻繁項集挖掘方法——eNFIS算法166
8.1.1負候選項集支持度計算方法166
8.1.2算法設計及實驗結果167
8.2基于多支持度的負頻繁項集挖掘算法——emsNFIS算法170
8.3負頻繁項集中的負關聯規則挖掘問題與對策172
小結175
第9章正負關聯規則在大學校園數據分析中的應用176
9.1校園數據分析的意義176
9.2數據預處理177
9.2.1數據預處理簡介177
9.2.2校園數據概述180
9.3基于關聯規則的大學生心理健康數據分析183
9.3.1心理健康數據預處理183
9.3.2挖掘結果分析187
9.4學生一卡通消費行為與成績間的關聯分析190
9.4.1數據預處理190
9.4.2挖掘結果分析194
9.5圖書借閱行為與成績間的關聯分析195
9.5.1數據預處理195
9.5.2挖掘結果分析197
9.6心理健康與成績間的關聯分析197
9.6.1數據預處理197
9.6.2挖掘結果分析199
9.7消費行為、圖書借閱行為、心理健康與成績間的關聯分析200
9.7.1數據預處理200
9.7.2挖掘結果分析201
小結203
第10章正負關聯規則在醫療數據分析中的應用204
10.1概述204
10.2醫療數據預處理206
10.2.1醫療數據特征206
10.2.2數據選擇207
10.2.3數據規范化208
10.2.4數據歸約209
10.3正負關聯規則在心腦血管疾病分析中的應用210
10.4正負關聯規則在糖尿病分析中的應用214
10.5正負關聯規則在類風濕性關節炎中的應用217
小結220
縮略語表221
參考文獻223
展開全部
負關聯規則挖掘技術研究 作者簡介
董祥軍,教授，博士后，博士生導師，曾任齊魯工業大學信息學院副院長、院長。山東省人工智能學會副理事長，山東省計算機學會理事，山東物聯網協會教育專委會副會長，山東電子學會教育專委會副主任委員，ACM（中國）會員，中國指揮與控制學會認知與行為專委會常務會員。1990年取得山東輕工業學院電氣技術專業學士學位，1999年取得山東工業大學計算機應用技術碩士學位，2005年取得北京理工大學計算機應用專業博士學位。2007.6-2009.6在北京理工大學管理與經濟學院從事博士后研究，2009.8-2010.2悉尼科技大學訪問學者。2001年評為副教授，2005年破格評為教授。主持國家自然科學基金面上項目1項、中國博士后基金項目1項、山東省自然科學基金項目2項、山東省中青年科學家獎勵基金項目1項、山東省研究生教育創新計劃項目1項、山東省教育廳科技計劃項目1項、山東高校優秀中青年教師國外合作項目1項，主持橫向課題8項，參與國j級、省級縱向課題等10余項，到位經費400余萬元。長期從事數據挖掘方面的研究，在負關聯規則、負序列模式方面取得了豐碩的研究成果，發表學術論文70多篇，其中SCI、EI收錄50多篇，獲得山東省教育廳優秀科研成
書友推薦
- >
山海經
- >
經典常談
- >
【精裝繪本】畫給孩子的中國神話
- >
二體千字文
- >
中國歷史的瞬間
- >
名家帶你讀魯迅:故事新編
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
上帝之肋:男人的真實旅程
本類暢銷
