123,123,123

內(nèi)容簡(jiǎn)介

　　本書(shū)首先向讀者介紹了關(guān)聯(lián)規(guī)則從研究背景與意義出發(fā)，著重向讀者講解負(fù)關(guān)聯(lián)規(guī)則基本概念，研究負(fù)關(guān)聯(lián)規(guī)則可能遇到的問(wèn)題如矛盾規(guī)則問(wèn)題、置信度設(shè)置問(wèn)題、非頻繁項(xiàng)集問(wèn)題、多數(shù)據(jù)庫(kù)挖掘問(wèn)題和冗余規(guī)則處理問(wèn)題等，以及為了解決以上問(wèn)題所采取的措施（提出的算法），此外在每一種算法之后都會(huì)附有相關(guān)實(shí)驗(yàn)從而幫助讀者更好的理解并使用相關(guān)算法。

作者簡(jiǎn)介

　　董祥軍，教授，博士后，博士生導(dǎo)師，曾任齊魯工業(yè)大學(xué)信息學(xué)院副院長(zhǎng)、院長(zhǎng)。山東省人工智能學(xué)會(huì)副理事長(zhǎng)，山東省計(jì)算機(jī)學(xué)會(huì)理事，山東物聯(lián)網(wǎng)協(xié)會(huì)教育專委會(huì)副會(huì)長(zhǎng)，山東電子學(xué)會(huì)教育專委會(huì)副主任委員，ACM（中國(guó)）會(huì)員，中國(guó)指揮與控制學(xué)會(huì)認(rèn)知與行為專委會(huì)常務(wù)會(huì)員。1990年取得山東輕工業(yè)學(xué)院電氣技術(shù)專業(yè)學(xué)士學(xué)位，1999年取得山東工業(yè)大學(xué)計(jì)算機(jī)應(yīng)用技術(shù)碩士學(xué)位，2005年取得北京理工大學(xué)計(jì)算機(jī)應(yīng)用專業(yè)博士學(xué)位。2007.6-2009.6在北京理工大學(xué)管理與經(jīng)濟(jì)學(xué)院從事博士后研究，2009.8-2010.2悉尼科技大學(xué)訪問(wèn)學(xué)者。2001年評(píng)為副教授，2005年破格評(píng)為教授。主持國(guó)家自然科學(xué)基金面上項(xiàng)目1項(xiàng)、中國(guó)博士后基金項(xiàng)目1項(xiàng)、山東省自然科學(xué)基金項(xiàng)目2項(xiàng)、山東省中青年科學(xué)家獎(jiǎng)勵(lì)基金項(xiàng)目1項(xiàng)、山東省研究生教育創(chuàng)新計(jì)劃項(xiàng)目1項(xiàng)、山東省教育廳科技計(jì)劃項(xiàng)目1項(xiàng)、山東高校優(yōu)秀中青年教師國(guó)外合作項(xiàng)目1項(xiàng)，主持橫向課題8項(xiàng)，參與國(guó)j級(jí)、省級(jí)縱向課題等10余項(xiàng)，到位經(jīng)費(fèi)400余萬(wàn)元。長(zhǎng)期從事數(shù)據(jù)挖掘方面的研究，在負(fù)關(guān)聯(lián)規(guī)則、負(fù)序列模式方面取得了豐碩的研究成果，發(fā)表學(xué)術(shù)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(shū)目錄

目錄

第1章關(guān)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(wù)4
1.2關(guān)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(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則19
小結(jié)20
第2章挖掘負(fù)關(guān)聯(lián)規(guī)則的PNARC模型21
2.1負(fù)關(guān)聯(lián)規(guī)則概述21
2.2正負(fù)關(guān)聯(lián)規(guī)則相關(guān)性模型——PNARC模型23
2.2.1問(wèn)題分析23
2.2.2負(fù)關(guān)聯(lián)規(guī)則中支持度與置信度的計(jì)算24
2.2.3相關(guān)性在正負(fù)關(guān)聯(lián)規(guī)則挖掘中的應(yīng)用26
2.2.4PNARC算法29
2.3PNARC模型實(shí)驗(yàn)結(jié)果30
2.3.1示例數(shù)據(jù)31
2.3.2更多的實(shí)驗(yàn)結(jié)果32
小結(jié)40
第3章興趣度在負(fù)關(guān)聯(lián)規(guī)則中的應(yīng)用研究41
3.1興趣度在正關(guān)聯(lián)規(guī)則中的應(yīng)用概述41
3.2χ2檢驗(yàn)在負(fù)關(guān)聯(lián)規(guī)則中的應(yīng)用研究46
3.2.1假設(shè)檢驗(yàn)相關(guān)知識(shí)46
3.2.2χ2檢驗(yàn)在負(fù)關(guān)聯(lián)規(guī)則中的應(yīng)用研究48
3.2.3算法設(shè)計(jì)52
3.2.4實(shí)驗(yàn)結(jié)果53
3.3相關(guān)系數(shù)在負(fù)關(guān)聯(lián)規(guī)則中的應(yīng)用研究55
3.4最小興趣度在負(fù)關(guān)聯(lián)規(guī)則中的應(yīng)用研究57
3.4.1PS興趣度相關(guān)問(wèn)題討論57
3.4.2算法設(shè)計(jì)58
3.4.3實(shí)驗(yàn)結(jié)果59
小結(jié)62
第4章多數(shù)據(jù)庫(kù)中的負(fù)關(guān)聯(lián)規(guī)則挖掘63
4.1多數(shù)據(jù)庫(kù)中的正關(guān)聯(lián)規(guī)則挖掘概述63
4.2多數(shù)據(jù)庫(kù)中的負(fù)關(guān)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(shè)計(jì)及實(shí)驗(yàn)68
4.3多數(shù)據(jù)庫(kù)中挖掘負(fù)加權(quán)關(guān)聯(lián)規(guī)則72
4.4基于PS興趣度的多數(shù)據(jù)庫(kù)中的負(fù)關(guān)聯(lián)規(guī)則挖掘79
4.5多數(shù)據(jù)庫(kù)中的例外關(guān)聯(lián)規(guī)則挖掘82
小結(jié)86
第5章負(fù)時(shí)態(tài)關(guān)聯(lián)規(guī)則挖掘87
5.1研究時(shí)態(tài)關(guān)聯(lián)規(guī)則的必要性87
5.2兩種典型的正時(shí)態(tài)關(guān)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(shí)態(tài)頻繁項(xiàng)集算法91
5.3.1相關(guān)定義91
5.3.2GTFS算法設(shè)計(jì)92
5.3.3GTFS算法舉例93
5.4負(fù)時(shí)態(tài)關(guān)聯(lián)規(guī)則挖掘模型95
5.4.1相關(guān)定義95
5.4.2CTFS算法設(shè)計(jì)及CTP算法設(shè)計(jì)97
5.4.3CTP模型舉例98
小結(jié)100
第6章非頻繁項(xiàng)集挖掘技術(shù)101
6.1比例比率模型101
6.2兩級(jí)支持度模型104
6.2.12LS算法設(shè)計(jì)104
6.2.22LS算法實(shí)驗(yàn)結(jié)果106
6.2.32LSP算法設(shè)計(jì)106
6.2.42LSP模型實(shí)驗(yàn)結(jié)果107
6.3多級(jí)最小支持度模型110
6.3.1MLMS模型中非頻繁項(xiàng)集的定義110
6.3.2MLMS算法設(shè)計(jì)111
6.3.3實(shí)驗(yàn)結(jié)果112
6.4MLMS的興趣度模型——IMLMS模型114
6.4.1項(xiàng)集的修剪方法114
6.4.2IMLMS算法設(shè)計(jì)116
6.4.3實(shí)驗(yàn)結(jié)果118
6.5多項(xiàng)支持度模型119
6.6用基本Apriori算法實(shí)現(xiàn)MIS模型124
6.6.1MSB_apriori算法124
6.6.2實(shí)驗(yàn)結(jié)果125
6.6.3MSB_apriori+算法127
6.6.4實(shí)驗(yàn)結(jié)果128
6.7擴(kuò)展的多項(xiàng)支持度模型130
小結(jié)132
第7章負(fù)關(guān)聯(lián)規(guī)則修剪技術(shù)的研究136
7.1正關(guān)聯(lián)規(guī)則修剪的有關(guān)技術(shù)回顧136
7.2最小冗余的無(wú)損關(guān)聯(lián)規(guī)則集表述141
7.2.1有關(guān)定義141
7.2.2無(wú)損規(guī)則集表述的推演142
7.3基于最小相關(guān)度的負(fù)關(guān)聯(lián)規(guī)則修剪技術(shù)146
7.4基于多最小置信度的負(fù)關(guān)聯(lián)規(guī)則修剪技術(shù)151
7.4.1多置信度的必要性分析152
7.4.2算法和實(shí)驗(yàn)結(jié)果155
7.5基于邏輯推理的負(fù)關(guān)聯(lián)規(guī)則修剪技術(shù)158
小結(jié)165
第8章負(fù)頻繁項(xiàng)集及其負(fù)關(guān)聯(lián)規(guī)則挖掘166
8.1負(fù)頻繁項(xiàng)集挖掘方法——eNFIS算法166
8.1.1負(fù)候選項(xiàng)集支持度計(jì)算方法166
8.1.2算法設(shè)計(jì)及實(shí)驗(yàn)結(jié)果167
8.2基于多支持度的負(fù)頻繁項(xiàng)集挖掘算法——emsNFIS算法170
8.3負(fù)頻繁項(xiàng)集中的負(fù)關(guān)聯(lián)規(guī)則挖掘問(wèn)題與對(duì)策172
小結(jié)175
第9章正負(fù)關(guān)聯(lián)規(guī)則在大學(xué)校園數(shù)據(jù)分析中的應(yīng)用176
9.1校園數(shù)據(jù)分析的意義176
9.2數(shù)據(jù)預(yù)處理177
9.2.1數(shù)據(jù)預(yù)處理簡(jiǎn)介177
9.2.2校園數(shù)據(jù)概述180
9.3基于關(guān)聯(lián)規(guī)則的大學(xué)生心理健康數(shù)據(jù)分析183
9.3.1心理健康數(shù)據(jù)預(yù)處理183
9.3.2挖掘結(jié)果分析187
9.4學(xué)生一卡通消費(fèi)行為與成績(jī)間的關(guān)聯(lián)分析190
9.4.1數(shù)據(jù)預(yù)處理190
9.4.2挖掘結(jié)果分析194
9.5圖書(shū)借閱行為與成績(jī)間的關(guān)聯(lián)分析195
9.5.1數(shù)據(jù)預(yù)處理195
9.5.2挖掘結(jié)果分析197
9.6心理健康與成績(jī)間的關(guān)聯(lián)分析197
9.6.1數(shù)據(jù)預(yù)處理197
9.6.2挖掘結(jié)果分析199
9.7消費(fèi)行為、圖書(shū)借閱行為、心理健康與成績(jī)間的關(guān)聯(lián)分析200
9.7.1數(shù)據(jù)預(yù)處理200
9.7.2挖掘結(jié)果分析201
小結(jié)203
第10章正負(fù)關(guān)聯(lián)規(guī)則在醫(yī)療數(shù)據(jù)分析中的應(yīng)用204
10.1概述204
10.2醫(yī)療數(shù)據(jù)預(yù)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(fù)關(guān)聯(lián)規(guī)則在心腦血管疾病分析中的應(yīng)用210
10.4正負(fù)關(guān)聯(lián)規(guī)則在糖尿病分析中的應(yīng)用214
10.5正負(fù)關(guān)聯(lián)規(guī)則在類風(fēng)濕性關(guān)節(jié)炎中的應(yīng)用217
小結(jié)220
縮略語(yǔ)表221
參考文獻(xiàn)223