負關聯(lián)規(guī)則挖掘技術研究

定　價：￥59.00

作　者：	董祥軍著
出版社：	清華大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787302559689	出版時間：	2021-02-01	包裝：	平裝
開本：	16開	頁數(shù)：	252	字數(shù)：

內(nèi)容簡介

　　本書首先向讀者介紹了關聯(lián)規(guī)則從研究背景與意義出發(fā)，著重向讀者講解負關聯(lián)規(guī)則基本概念，研究負關聯(lián)規(guī)則可能遇到的問題如矛盾規(guī)則問題、置信度設置問題、非頻繁項集問題、多數(shù)據(jù)庫挖掘問題和冗余規(guī)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。

作者簡介

　　董祥軍，教授，博士后，博士生導師，曾任齊魯工業(yè)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(lián)網(wǎng)協(xié)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(yè)學院電氣技術專業(yè)學士學位，1999年取得山東工業(yè)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(yè)博士學位。2007.6-2009.6在北京理工大學管理與經(jīng)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(chuàng)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(yōu)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(jīng)費400余萬元。長期從事數(shù)據(jù)挖掘方面的研究，在負關聯(lián)規(guī)則、負序列模式方面取得了豐碩的研究成果，發(fā)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(yōu)秀科研成

圖書目錄

目錄

第1章關聯(lián)規(guī)則挖掘概述1
1.1數(shù)據(jù)挖掘概述1
1.1.1數(shù)據(jù)挖掘的起源1
1.1.2數(shù)據(jù)挖掘的定義3
1.1.3數(shù)據(jù)挖掘的任務4
1.2關聯(lián)規(guī)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(chǎn)生關聯(lián)規(guī)則19
小結20
第2章挖掘負關聯(lián)規(guī)則的PNARC模型21
2.1負關聯(lián)規(guī)則概述21
2.2正負關聯(lián)規(guī)則相關性模型——PNARC模型23
2.2.1問題分析23
2.2.2負關聯(lián)規(guī)則中支持度與置信度的計算24
2.2.3相關性在正負關聯(lián)規(guī)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(shù)據(jù)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(lián)規(guī)則中的應用研究41
3.1興趣度在正關聯(lián)規(guī)則中的應用概述41
3.2χ2檢驗在負關聯(lián)規(guī)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(lián)規(guī)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(shù)在負關聯(lián)規(guī)則中的應用研究55
3.4最小興趣度在負關聯(lián)規(guī)則中的應用研究57
3.4.1PS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(shù)據(jù)庫中的負關聯(lián)規(guī)則挖掘63
4.1多數(shù)據(jù)庫中的正關聯(lián)規(guī)則挖掘概述63
4.2多數(shù)據(jù)庫中的負關聯(lián)規(guī)則挖掘67
4.2.1挖掘合成規(guī)則67
4.2.2算法設計及實驗68
4.3多數(shù)據(jù)庫中挖掘負加權關聯(lián)規(guī)則72
4.4基于PS興趣度的多數(shù)據(jù)庫中的負關聯(lián)規(guī)則挖掘79
4.5多數(shù)據(jù)庫中的例外關聯(lián)規(guī)則挖掘82
小結86
第5章負時態(tài)關聯(lián)規(guī)則挖掘87
5.1研究時態(tài)關聯(lián)規(guī)則的必要性87
5.2兩種典型的正時態(tài)關聯(lián)規(guī)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(tài)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(tài)關聯(lián)規(guī)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多級最小支持度模型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(xiàn)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(lián)規(guī)則修剪技術的研究136
7.1正關聯(lián)規(guī)則修剪的有關技術回顧136
7.2最小冗余的無損關聯(lián)規(guī)則集表述141
7.2.1有關定義141
7.2.2無損規(guī)則集表述的推演142
7.3基于最小相關度的負關聯(lián)規(guī)則修剪技術146
7.4基于多最小置信度的負關聯(lián)規(guī)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(lián)規(guī)則修剪技術158
小結165
第8章負頻繁項集及其負關聯(lián)規(guī)則挖掘166
8.1負頻繁項集挖掘方法——eNFIS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——emsNFIS算法170
8.3負頻繁項集中的負關聯(lián)規(guī)則挖掘問題與對策172
小結175
第9章正負關聯(lián)規(guī)則在大學校園數(shù)據(jù)分析中的應用176
9.1校園數(shù)據(jù)分析的意義176
9.2數(shù)據(jù)預處理177
9.2.1數(shù)據(jù)預處理簡介177
9.2.2校園數(shù)據(jù)概述180
9.3基于關聯(lián)規(guī)則的大學生心理健康數(shù)據(jù)分析183
9.3.1心理健康數(shù)據(jù)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(lián)分析190
9.4.1數(shù)據(jù)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(lián)分析195
9.5.1數(shù)據(jù)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(lián)分析197
9.6.1數(shù)據(jù)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(lián)分析200
9.7.1數(shù)據(jù)預處理200
9.7.2挖掘結果分析201
小結203
第10章正負關聯(lián)規(guī)則在醫(yī)療數(shù)據(jù)分析中的應用204
10.1概述204
10.2醫(yī)療數(shù)據(jù)預處理206
10.2.1醫(yī)療數(shù)據(jù)特征206
10.2.2數(shù)據(jù)選擇207
10.2.3數(shù)據(jù)規(guī)范化208
10.2.4數(shù)據(jù)歸約209
10.3正負關聯(lián)規(guī)則在心腦血管疾病分析中的應用210
10.4正負關聯(lián)規(guī)則在糖尿病分析中的應用214
10.5正負關聯(lián)規(guī)則在類風濕性關節(jié)炎中的應用217
小結220
縮略語表221
參考文獻223