检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于综合度量的关联规则挖掘算法

计算机工程 2004年第22期30卷 89-90,131页

作者：陆晶赛英山东财政学院计算信息工程系济南250014

从确定性、有用性、简洁性和新奇性4个方面对规则进行综合度量,给出了规则长度和兴趣度约束的定义,在传统算法基础上提出了基于综合度量的关联规则挖掘算法,使关联规则的挖掘质量得到提高。

关键词：数据库数据挖掘关联规则关联规则挖掘算法

在线全文

学校读者我要写书评

暂无评论

基于兴趣度的关联规则挖掘算法

计算机工程 2006年第17期32卷 121-122,149页

作者：马建庆钟亦平张世永复旦大学计算机与信息技术系上海200433

分析了Apriori核心算法,举例说明了其设计思想上的不足,并重新定义了关联规则形式和引进了兴趣度的概念。主要定义了合理的兴趣度,即基于可信度和支持度方差的兴趣度InterestR=[(CR?SRH)/4]*(CR+SRH),并因此而设计了基于此兴趣度定义的... 详细信息

分析了Apriori核心算法,举例说明了其设计思想上的不足,并重新定义了关联规则形式和引进了兴趣度的概念。主要定义了合理的兴趣度,即基于可信度和支持度方差的兴趣度InterestR=[(CR?SRH)/4]*(CR+SRH),并因此而设计了基于此兴趣度定义的关联规则挖掘算法,并对算法做了适当的分析。

关键词：兴趣度关联规则挖掘算法关联规则可信度支持度

在线全文

学校读者我要写书评

暂无评论

基于多克隆选择的多维关联规则挖掘算法

复旦学报（自然科学版） 2004年第5期43卷 742-745,749页

作者：刘芳孙杨军西安电子科技大学计算机学院西安710071

通过引入多克隆选择算法的思想,提出了一种基于多克隆选择的关联规则挖掘算法.仿真对比试验表明,该算法加快了关联规则挖掘的收敛速度,具有更强的全局与局部搜索能力,与基于进化算法和基于免疫算法的关联规则挖掘算法相比,明显提高了所... 详细信息

通过引入多克隆选择算法的思想,提出了一种基于多克隆选择的关联规则挖掘算法.仿真对比试验表明,该算法加快了关联规则挖掘的收敛速度,具有更强的全局与局部搜索能力,与基于进化算法和基于免疫算法的关联规则挖掘算法相比,明显提高了所得关联规则的准确率.

关键词：克隆选择算法多维关联规则关联规则挖掘算法局部搜索能力免疫算法进化算法仿真收敛速度全局

在线全文

学校读者我要写书评

暂无评论

基于格论的关联规则挖掘算法的研究

计算机科学 2005年第8期32卷 158-160页

作者：蒋震葛垚黄剑文俊浩重庆交通学院计算机与信息学院重庆400074 重庆大学计算机学院重庆400030 重庆大学自动化学院重庆400030 重庆大学软件学院重庆400030

本文通过对关联规则挖掘中由候选项集生成频繁项集算法的分析,引入了格论的一些思想来改进算法,其中心思想是:通过在属性集和事务数据库的基础上进行建格,然后在格的基础上直接进行规则提取。在实验的基础上对Apriori算法和改进的算法... 详细信息

本文通过对关联规则挖掘中由候选项集生成频繁项集算法的分析,引入了格论的一些思想来改进算法,其中心思想是:通过在属性集和事务数据库的基础上进行建格,然后在格的基础上直接进行规则提取。在实验的基础上对Apriori算法和改进的算法进行了比较,实验结果表明,在特定的数据库中,改进的算法在挖掘效率上优于 Apriori算法。

关键词：数据挖掘关联规则候选项集频繁项集闭项集格论闹项集格关联规则挖掘算法 Apriori算法事务数据库

在线全文

学校读者我要写书评

暂无评论

利润约束的关联规则挖掘算法

华侨大学学报（自然科学版） 2015年第5期36卷 522-526页

作者：朱龙四川信息职业技术学院信息工程系四川广元628040

针对传统数据挖掘技术的劣势,提出一种以利润为基础的约束关联规则挖掘算法.在使用关联规则进行数据挖掘之前,算法按照商品利润的权重信息对购物篮中的原始商品交易信息实施预处理,可以使后续的数据关联规则挖掘更加的精确可靠,提升数... 详细信息

针对传统数据挖掘技术的劣势,提出一种以利润为基础的约束关联规则挖掘算法.在使用关联规则进行数据挖掘之前,算法按照商品利润的权重信息对购物篮中的原始商品交易信息实施预处理,可以使后续的数据关联规则挖掘更加的精确可靠,提升数据挖掘的效果.结果表明:基于利润的约束关联规则挖掘算法对数据库的原始数据实施了利润约束修正,增加了利润加权阈值,可有效提升数据挖掘算法的知识挖掘性能.

关键词：关联规则挖掘算法购物篮分析利润约束 Apriori算法超市

在线全文

学校读者我要写书评

暂无评论

面向银行信贷分析的关联规则挖掘算法研究

面向银行信贷分析的关联规则挖掘算法研究

作者：杨玉婷大连海事大学

学位级别：硕士

近年来,随着社会的发展,银行业务呈多样化,个人信贷业务逐渐兴起,盈利空间非常大。目前,大部分银行主要依靠工作人员根据自己的经验对客户进行评估来决定是否放贷,这其中主观性很强,对评估结果有一定的影响。如果能够通过数据科学地分... 详细信息

近年来,随着社会的发展,银行业务呈多样化,个人信贷业务逐渐兴起,盈利空间非常大。目前,大部分银行主要依靠工作人员根据自己的经验对客户进行评估来决定是否放贷,这其中主观性很强,对评估结果有一定的影响。如果能够通过数据科学地分析出哪些人在银行交易中信用度较高,那么就可以对这些人进行放贷,进而增加银行收益。在众多挖掘算法中,Apriori算法被人们使用的最多,近些年已被应用于对各行各业数据的挖掘研究。在Apriori算法的运行过程中,它是存在一些缺点的。其一是在数据库扫描方面,会进行多次扫描,这无疑会增加I/O开销。其二,在自链接过程中产生的候选项集过多,算法运行时间长。其三,Apriori算法是串行算法,无法满足大数据的挖掘。本文分析了改进的AprioriTid算法,然后分析该算法的不足,提出对项集约减和排序的改进算法Aprioriut。该算法只扫描一次数据库并能减少数据集,减少数据集的遍历,还能够减少候选项集的个数,避免无用的候选项集的产生。本文首先介绍了选题背景与意义,然后对研究所能用到的相关理论知识进行了详细介绍。接着研究介绍了 Apriori算法原理。随后,我们分析了传统Apriori算法和改进的AprioriTid算法,针对算法的不足之处对算法进行了改进,提出了 Aprioriut算法。然后将Apriori算法、AprioriTid算法、Aprioriut算法移植到Hadoop平台上以适应大数据的挖掘。接下来将三种并行算法进行了实验对比,实验证明Aprioriut算法优于其他两种算法。最后,我们以国外某银行的信用数据作为本次课题的研究,先对这些数据进行了预处理,然后运用大数据处理平台Hadoop来处理数据,并制作了一个web应用小程序,运用并行化Aprioriut算法对银行信用数据进行挖掘并详细地分析了挖掘结果,总结出了哪些人的信用度较高,挖掘结果可以指导银行进行合理放贷。

关键词：信贷分析关联规则挖掘算法 Apriori Hadoop 分布式框架

改进的关联规则挖掘算法在个性化推荐系统中应用

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

改进的关联规则挖掘算法在个性化推荐系统中应用

作者：翟悦大连交通大学

学位级别：硕士

数据挖掘是数据库系统和新的数据库应用的一个有希望的、欣欣向荣的学科前沿。数据挖掘(Data Mining),通常又称数据库中的知识发现(Knowledge Discover in Database),是自动的模式提取。关联规则(Association Rules)挖掘是数据挖掘的重... 详细信息

数据挖掘是数据库系统和新的数据库应用的一个有希望的、欣欣向荣的学科前沿。数据挖掘(Data Mining),通常又称数据库中的知识发现(Knowledge Discover in Database),是自动的模式提取。关联规则(Association Rules)挖掘是数据挖掘的重要研究方向之一,它是发现大量数据中项集之间有趣的关联或相互联系。可以辅助许多商务经营者做决策,如分类设计、交叉购物和购物篮分析等。本课题是以辽宁省信息产业厅项目“嵌入式网上智能教学平台”为背景,主要通过对数据挖掘技术的相关分析与比较,提出改进的关联规则挖掘算法,并将此算法用于挖掘用户购买模式,从海量的购买记录中提取出隐藏于其中的用户感兴趣的信息。本文开发了嵌入式网上智能教学平台的个性化推荐系统,该系统能自动向用户推荐其可能感兴趣的信息,为用户提供个性化服务。本文针对传统的Apriori算法需要产生大量的候选项目集和多次扫描数据库的不足,提出了一种新的基于向量内积的生成频繁项集的算法,称为VipApriori算法(Vector Inner Product Apriori)。该算法通过对事务数据库的布尔化表示,搜寻布尔矩阵的行向量,通过内积运算规则直接生成频繁项集。VipApriori算法只需扫描一次数据库,无需生成候选项集。此外,VIPApriori从最大项集开始查找,当频繁项集可能是大项集时,可以缩短查找时间。本文使用Java语言进行了传统的Apriori算法与本文改进的VipApriori算法的对比实验。理论分析与实验表明,改进的VipApriori算法具有很高的效率,因为它只扫描事务数据库一次。K-项频繁集通过扫描事务扩展矩阵的行来直接生成,不需要对(K-1)-项频繁集进行连接,也不需要对K-项候选集进行剪枝和模式匹配的操作。在计算过程中对事务矩阵进行了两次有效的剪裁,这些操作都大大降低了时间复杂度。本文将改进的VipApriori算法应用到个性化推荐系统中,并成功整合到网上教学中,根据客户的爱好,向用户推荐可能感兴趣的商品,可使用户在面对教学平台提供的上万甚至上百万种产品时,能够更好地选择到自己满意的商品。从而提高了网站的智能性。

关键词：智能教学推荐系统关联规则挖掘算法

基于Hadoop平台的并行化分布式关联规则挖掘算法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Hadoop平台的并行化分布式关联规则挖掘算法研究

作者：于跃吉林大学

学位级别：硕士

随着近些年科学技术的飞速发展,人们日常生活中通过计算机、手机等终端平台进行的一系列行为都会产生大量的数据,而产生数据、获取数据的方式也在与日俱增。在当今这个数据时代的大背景下,各种数据都以急速的势态不断增长,能够达到日产... 详细信息

随着近些年科学技术的飞速发展,人们日常生活中通过计算机、手机等终端平台进行的一系列行为都会产生大量的数据,而产生数据、获取数据的方式也在与日俱增。在当今这个数据时代的大背景下,各种数据都以急速的势态不断增长,能够达到日产数据量几百TB乃至PB级别的大型网络企业屡见不鲜。如何从如此庞大的数据库中快速、高效、准确地获取信息,是现今计算机科学研究的热点之一。并行化分布式挖掘算法是针对可能存在的跨地域的海量数据进行分析的一种重要手段,具有非常重要的研究意义和实用价值。关联规则挖掘算法是经典的数据挖掘算法之一,具有很强的学习价值和参考价值。传统的关联规则挖掘算法会将候选集一一缓存输出,在并行化的前提下还要进行网络交换。但是在大数据量的背景下,生成的候选项目集会出现暴增的情况,容易对机器的内存造成负担,影响算法的效率。针对算法原有的缺陷,本文提出一种优化算法Y-IDA算法,直接在内存中将合并计数的过程完成,替代传统的将候选集逐一输出的方法来优化算法,同时修改Hadoop接口,改变Map Reduce的读入模式,利用生成的首个频繁项集对数据库进行清洗,降低了内存消耗和CPU占用时间,提高了算法的执行效率。本文主要工作包括:1)实现基本算法串行Apriori,为后续并行化打下基础;2)针对并行化的Apriori算法提出了优化算法Y-IDA,该算法在内存中将合并计数的的过程完成,替代传统的将候选集逐一输出的方法,同时改变Map Reduce传统的读入模式,减少执行过程中的通讯量,并且在生成候选1项集后对数据进行清洗,去除无效数据;3)在Hadoop平台上实现关联规则算法的并行化,在现有的实验条件下提出实验方案,验证了Y-IDA算法的结果与经典算法相同,分别在时间效率、内存消耗、磁盘读写、CPU占用等方面进行详细比对。结合本文工作,通过Hadoop完全分布式平台,采用数据挖掘离散测试数据进行实现,可以得到的结果是:改进后的算法可以缩短执行时间,在内存消耗、CPU占用、磁盘I/O读写方面都有较好的表现,得到改进的算法具有可行性和普遍意义的结论。

关键词：关联规则挖掘算法数据挖掘的并行化 Apriori算法 Hadoop

零售业销售数据关联规则挖掘算法关键思想研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

信阳师范学院学报（自然科学版） 2003年第1期16卷 90-93页

作者：潘立武王保保李绪成西安电子科技大学计算机学院陕西西安710071

对零售业销售数据关联规则挖掘算法的关键思想进行了研究 ,给出了各种提高算法效率的方法以及对规则选择的方法 .

关键词：零售业销售数据关联规则挖掘算法算法效率规则选择数据挖掘数据库