幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

負關聯規則挖掘技術研究

  • 作者：董祥軍|責編:龍啟銘//薛陽
  • 出版社：清華大學
  • ISBN：9787302559689
  • 出版日期：2020/12/01
  • 裝幀：平裝
  • 頁數：241
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是一部深入研究數據挖掘中負關聯規則挖掘方法的著作。全書共分為10章，前5章討論不同情況下從頻繁項集中挖掘負關聯規則的若干方法，包括挖掘負關聯規則的PNARC模型、多種興趣度在負關聯規則中的應用、多資料庫中的負關聯規則挖掘以及負時態關聯規則挖掘，第6章討論非頻繁項集挖掘技術，第7章討論冗余規則的修剪技術，第8章討論負頻繁項集及其負關聯規則挖掘技術，最後兩章是正負關聯規則在實際數據挖掘與分析中的應用。
    本書可作為電腦相關專業高年級本科生或研究生教材，也可供數據挖掘、智能信息處理等相關領域的研究人員參考。
作者介紹
董祥軍|責編:龍啟銘//薛陽
目錄
第1章  關聯規則挖掘概述
  1.1  數據挖掘概述
    1.1.1  數據挖掘的起源
    1.1.2  數據挖掘的定義
    1.1.3  數據挖掘的任務
  1.2  關聯規則挖掘
    1.2.1  概述
    1.2.2  主要演算法
    1.2.3  Apriori演算法詳解
    1.2.4  由頻繁項集產生關聯規則
  小結
第2章  挖掘負關聯規則的PNARC模型
  2.1  負關聯規則概述
  2.2  正負關聯規則相關性模型——PNARC模型
    2.2.1  問題分析
    2.2.2  負關聯規則中支持度與置信度的計算
    2.2.3  相關性在正負關聯規則挖掘中的應用
    2.2.4  PNARC演算法
  2.3  PNARC模型實驗結果
    2.3.1  示例數據
    2.3.2  更多的實驗結果
  小結
第3章  興趣度在負關聯規則中的應用研究
  3.1  興趣度在正關聯規則中的應用概述
  3.2  X2檢驗在負關聯規則中的應用研究
    3.2.1  假設檢驗相關知識
    3.2.2  X2檢驗在負關聯規則中的應用研究
    3.2.3  演算法設計
    3.2.4  實驗結果
  3.3  相關係數在負關聯規則中的應用研究
  3.4  最小興趣度在負關聯規則中的應用研究
    3.4.1  P-S興趣度相關問題討論
    3.4.2  演算法設計
    3.4.3  實驗結果
  小結
第4章  多資料庫中的負關聯規則挖掘
  4.1  多資料庫中的正關聯規則挖掘概述
  4.2  多資料庫中的負關聯規則挖掘
    4.2.1  挖掘合成規則
    4.2.2  演算法設計及實驗
  4.3  多資料庫中挖掘負加權關聯規則
  4.4  基於P-S興趣度的多資料庫中的負關聯規則挖掘
  4.5  多資料庫中的例外關聯規則挖掘
  小結
第5章  負時態關聯規則挖掘
  5.1  研究時態關聯規則的必要性
  5.2  兩種典型的正時態關聯規則挖掘模型
    5.2.1  日曆模型分析
    5.2.2  商品生命周期模型分析
  5.3  挖掘時態頻繁項集演算法

    5.3.1  相關定義
    5.3.2  GTFS演算法設計
    5.3.3  GTFS演算法舉例
  5.4  負時態關聯規則挖掘模型
    5.4.1  相關定義
    5.4.2  CTFS演算法設計及CTP演算法設計
    5.4.3  CTP模型舉例
  小結
第6章  非頻繁項集挖掘技術
  6.1  比例比率模型
  6.2  兩級支持度模型
    6.2.1  2LS演算法設計
    6.2.2  2LS演算法實驗結果
    6.2.3  2LSP演算法設計
    6.2.4  2LSP模型實驗結果
  6.3  多級最小支持度模型
    6.3.1  MLMS模型中非頻繁項集的定義
    6.3.2  MLMS演算法設計
    6.3.3  實驗結果
  6.4  MLMS的興趣度模型——IMLMS模型
    6.4.1  項集的修剪方法
    6.4.2  IMLMS演算法設計
    6.4.3  實驗結果
  6.5  多項支持度模型
  6.6  用基本Apriori演算法實現MIS模型
    6.6.1  MSB_apriori演算法
    6.6.2  實驗結果
    6.6.3  MSB_apriori+演算法
    6.6.4  實驗結果
  6.7  擴展的多項支持度模型
  小結
第7章  負關聯規則修剪技術的研究
  7.1  正關聯規則修剪的有關技術回顧
  7.2  最小冗余的無損關聯規則集表述
    7.2.1  有關定義
    7.2.2  無損規則集表述的推演
  7.3  基於最小相關度的負關聯規則修剪技術
  7.4  基於多最小置信度的負關聯規則修剪技術
    7.4.1  多置信度的必要性分析
    7.4.2  演算法和實驗結果
  7.5  基於邏輯推理的負關聯規則修剪技術
  小結
第8章  負頻繁項集及其負關聯規則挖掘
  8.1  負頻繁項集挖掘方法——e?NFIS演算法
    8.1.1  負候選項集支持度計算方法
    8.1.2  演算法設計及實驗結果
  8.2  基於多支持度的負頻繁項集挖掘演算法——e?msNFIS演算法
  8.3  負頻繁項集中的負關聯規則挖掘問題與對策
  小結
第9章  正負關聯規則在大學校園數據分析中的應用

  9.1  校園數據分析的意義
  9.2  數據預處理
    9.2.1  數據預處理簡介
    9.2.2  校園數據概述
  9.3  基於關聯規則的大學生心理健康數據分析
    9.3.1  心理健康數據預處理
    9.3.2  挖掘結果分析
  9.4  學生一卡通消費行為與成績間的關聯分析
    9.4.1  數據預處理
    9.4.2  挖掘結果分析
  9.5  圖書借閱行為與成績間的關聯分析
    9.5.1  數據預處理
    9.5.2  挖掘結果分析
  9.6  心理健康與成績間的關聯分析
    9.6.1  數據預處理
    9.6.2  挖掘結果分析
  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
    9.7.1  數據預處理
    9.7.2  挖掘結果分析
  小結
第10章  正負關聯規則在醫療數據分析中的應用
  10.1  概述
  10.2  醫療數據預處理
    10.2.1  醫療數據特徵
    10.2.2  數據選擇
    10.2.3  數據規範化
    10.2.4  數據歸約
  10.3  正負關聯規則在心腦血管疾病分析中的應用
  10.4  正負關聯規則在糖尿病分析中的應用
  10.5  正負關聯規則在類風濕性關節炎中的應用
  小結
縮略語表
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032