《關聯規則技術研究》是2012年浙江大學出版社出版的圖書，作者是沈斌。本書是作者沈斌在關聯規則挖掘領域多年研究成果的系統總結。
基本介紹
- 書名：關聯規則技術研究
- 作者：沈斌
- ISBN：9787308099264
- 頁數：169
- 定價：28.00元
- 出版社：浙江大學出版社
- 出版時間：2012-6
內容簡介,作者簡介,目錄,
內容簡介
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度量之間的關係，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套用問題上的不足，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套用問題上的不足，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、套用、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、套用和創新。
本書一方面是數據挖掘相關的科技工作者學習、研究、套用、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、套用和創新。
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慧型系統研究中心訪問學者。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人才工程”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、複雜網路與複雜系統。
目錄
第1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、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之間的關係
2.2.4 All-item-confidence與卡方檢驗之間的關係
2.3 購物籃中關聯規則的套用類型分析
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 套用實例
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 布爾型資料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資料庫關聯規則聚類
5.1 引 言
5.2 模糊分類結構的合併
5.2.1 模糊分類結構描述
5.2.2 多個有向無環圖的合併
5.2.3 合併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套用
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軟體的基於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的智慧型規則檢索系統體系結構
6.3.1 體系結構
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實例標註
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 最新技術進展
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、模式套用研究
7.2 值得關注的方向
附錄 關聯規則研究資料匯總
參考文獻
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、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之間的關係
2.2.4 All-item-confidence與卡方檢驗之間的關係
2.3 購物籃中關聯規則的套用類型分析
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 套用實例
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 布爾型資料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資料庫關聯規則聚類
5.1 引 言
5.2 模糊分類結構的合併
5.2.1 模糊分類結構描述
5.2.2 多個有向無環圖的合併
5.2.3 合併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套用
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軟體的基於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的智慧型規則檢索系統體系結構
6.3.1 體系結構
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實例標註
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 最新技術進展
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、模式套用研究
7.2 值得關注的方向
附錄 關聯規則研究資料匯總
參考文獻
查看全部↓
