模糊關(guān)聯(lián)規(guī)則的研究與應(yīng)用

內(nèi)容概要

關(guān)聯(lián)規(guī)則發(fā)現(xiàn)是數(shù)據(jù)挖掘中最重要的任務(wù)之一，它的目標(biāo)是發(fā)現(xiàn)數(shù)據(jù)中屬性之間有趣的關(guān)聯(lián)。數(shù)量型關(guān)聯(lián)規(guī)則是一種重要的關(guān)聯(lián)規(guī)則類型，用來發(fā)現(xiàn)數(shù)量型屬性之間的關(guān)聯(lián)。本書應(yīng)用模糊集來軟化屬性論域的劃分邊界，并系統(tǒng)地介紹數(shù)量型屬性的模糊關(guān)聯(lián)規(guī)則及其應(yīng)用。主要內(nèi)容包括：數(shù)量型屬性的模糊關(guān)聯(lián)規(guī)則及其挖掘算法；集合值和區(qū)間值關(guān)系數(shù)據(jù)庫上模糊關(guān)聯(lián)規(guī)則及其挖掘算法；加權(quán)模糊關(guān)聯(lián)規(guī)則及其挖掘算法；模糊關(guān)聯(lián)規(guī)則的并行挖掘算法；模糊關(guān)聯(lián)規(guī)則的增量更新；關(guān)注模糊關(guān)聯(lián)規(guī)則的挖掘算法；模糊關(guān)聯(lián)規(guī)則在分類和預(yù)測中的應(yīng)用等方面。    本書可作為高等院校計(jì)算機(jī)專業(yè)研究生的教材，也可作為相關(guān)領(lǐng)域?qū)W生的參考書。

書籍目錄

前言第一章　緒論　1.1 數(shù)據(jù)挖掘概述　　1.1.1 數(shù)據(jù)挖掘概念　　1.1.2 數(shù)據(jù)挖掘的任務(wù)　　1.1.3 數(shù)據(jù)挖掘的方法和技術(shù)　　1.1.4 數(shù)據(jù)挖掘工具的評價(jià)標(biāo)準(zhǔn)　　1.1.5 數(shù)據(jù)挖掘的需求與挑戰(zhàn)　　1.1.6 數(shù)據(jù)挖掘研究現(xiàn)狀　1.2 關(guān)聯(lián)規(guī)則　　1.2.1 布爾型關(guān)聯(lián)規(guī)則　　1.2.2 數(shù)量型關(guān)聯(lián)規(guī)則　1.3 本書的主要內(nèi)容第二章　模糊關(guān)聯(lián)規(guī)則及其挖掘算法　2.1 模糊關(guān)聯(lián)規(guī)則　　2.1.1 應(yīng)用FCM算法將數(shù)量型屬性離散化　　2.1.2 模糊關(guān)聯(lián)規(guī)則的挖掘算法　　2.1.3 算法的正確性測試　　2.1.4 在腫瘤診斷實(shí)例中的應(yīng)用　　2.1.5 挖掘算法的多種策略　　2.1.6 優(yōu)化的模糊關(guān)聯(lián)規(guī)則挖掘算法　2.2 正態(tài)關(guān)聯(lián)規(guī)則　2.3 三角關(guān)聯(lián)規(guī)則　2.4 正態(tài)云關(guān)聯(lián)規(guī)則　　2.4.1 云模型　　2.4.2 用正態(tài)云模型軟化劃分邊界　　2.4.3 挖掘正態(tài)云關(guān)聯(lián)規(guī)則　　2.4.4 正態(tài)云關(guān)聯(lián)規(guī)則挖掘算法的改進(jìn)　2.5 相關(guān)工作第三章　特殊數(shù)據(jù)庫上的模糊關(guān)聯(lián)規(guī)則及其挖掘算法　3.1 挖掘集合值關(guān)系數(shù)據(jù)庫的模糊關(guān)聯(lián)規(guī)則　3.2 挖掘區(qū)間值關(guān)系數(shù)據(jù)庫的模糊關(guān)聯(lián)規(guī)則　　3.2.1 通過在區(qū)間上取樣來挖掘正態(tài)關(guān)聯(lián)規(guī)則　　3.2.2 應(yīng)用RFCM算法挖掘模糊關(guān)聯(lián)規(guī)則第四章　加權(quán)模糊關(guān)聯(lián)規(guī)則及其挖掘算法　4.1 加權(quán)布爾型關(guān)聯(lián)規(guī)則　　4.1.1 加權(quán)布爾型關(guān)聯(lián)規(guī)則介紹　　4.1.2 第一種加權(quán)布爾型關(guān)聯(lián)規(guī)則挖掘算法　　4.1.3 第二種加權(quán)布爾型關(guān)聯(lián)規(guī)則挖掘算法　4.2 加權(quán)模糊關(guān)聯(lián)規(guī)則　　4.2.1 第一種加權(quán)模糊關(guān)聯(lián)規(guī)則挖掘算法　　4.2.2 第二種加權(quán)模糊關(guān)聯(lián)規(guī)則挖掘算法　　4.2.3 討論第五章　模糊關(guān)聯(lián)規(guī)則的并行挖掘算法　5.1 布爾型關(guān)聯(lián)規(guī)則挖掘的并行算法　5.2 數(shù)量型屬性離散化　　5.2.1 并行編程平臺(tái)　　5.2.2 PFCM算法　5.3 模糊關(guān)聯(lián)規(guī)則的并行挖掘算法　5.4 性能分析第六章　模糊關(guān)聯(lián)規(guī)則的增量更新　6.1 模糊關(guān)聯(lián)規(guī)則的增量更新　　6.1.1 增加新記錄　　6.1.2 刪除現(xiàn)有記錄　6.2 實(shí)例分析第七章　關(guān)注模糊關(guān)聯(lián)規(guī)則的挖掘算法　7.1 典型模糊關(guān)聯(lián)規(guī)則的挖掘算法　7.2 興趣模糊關(guān)聯(lián)規(guī)則的挖掘算法　　7.2.1 關(guān)聯(lián)規(guī)則的興趣度度量方法　　7.2.2 模糊關(guān)聯(lián)規(guī)則的興趣度度量　　7.2.3 興趣模糊關(guān)聯(lián)規(guī)則的挖掘算法第八章　模糊關(guān)聯(lián)規(guī)則在分類中的應(yīng)用　8.1 典型的分類系統(tǒng)　8.2 基于模糊關(guān)聯(lián)規(guī)則分類系統(tǒng)的設(shè)計(jì)框架　8.3 基于最長模糊關(guān)聯(lián)規(guī)則的分類系統(tǒng)　8.4 基于短模糊關(guān)聯(lián)規(guī)則的分類系統(tǒng)　　8.4.1 應(yīng)用短模糊關(guān)聯(lián)規(guī)則構(gòu)建分類系統(tǒng)　　8.4.2 分類系統(tǒng)的精簡　8.5 區(qū)間值關(guān)系數(shù)據(jù)庫的模糊關(guān)聯(lián)規(guī)則分類方法　　8.5.1 分類系統(tǒng)的構(gòu)建　　8.5.2 實(shí)驗(yàn)分析第九章　模糊關(guān)聯(lián)規(guī)則在預(yù)測中的應(yīng)用　9.1 可加性模糊系統(tǒng)　9.2 遺傳算法　9.3 基于模糊關(guān)聯(lián)規(guī)則的預(yù)測方法　9.4 模糊預(yù)測系統(tǒng)的遺傳優(yōu)化　　9.4.1 簡化規(guī)則庫　　9.4.2 調(diào)整模糊集參數(shù)　9.5 實(shí)例分析　9.6 模糊集到模糊集預(yù)測　　9.6.1 正態(tài)模糊數(shù)到正態(tài)模糊數(shù)的預(yù)測問題　　9.6.2 正態(tài)云到正態(tài)云的預(yù)測問題參考文獻(xiàn)

章節(jié)摘錄

　　第一章　緒論　　1.1數(shù)據(jù)挖掘概述　　近十幾年來，人們利用信息技術(shù)生產(chǎn)和搜集數(shù)據(jù)的能力大幅度提高，越來越多的數(shù)據(jù)庫被用于商業(yè)管理、政府辦公、科學(xué)研究和工程開發(fā)等，并且這一勢頭仍將持續(xù)發(fā)展下去。于是，一個(gè)新的挑戰(zhàn)被提了出來：在這信息爆炸的時(shí)代，信息過量幾乎成為人人都需要面對的問題，僅僅依靠數(shù)據(jù)庫管理系統(tǒng)的查詢檢索機(jī)制和統(tǒng)計(jì)學(xué)分析方法已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足現(xiàn)實(shí)的需要，它迫切要求開發(fā)一種新的強(qiáng)有力的數(shù)據(jù)分析工具自動(dòng)和智能地將待處理的數(shù)據(jù)轉(zhuǎn)化為有用的信息和知識。因此，面對“人類正被數(shù)據(jù)淹沒，卻饑渴于知識”的挑戰(zhàn)，數(shù)據(jù)挖掘和知識發(fā)現(xiàn)（DMKD）技術(shù)應(yīng)運(yùn)而生，并得以蓬勃發(fā)展，越來越顯示出其強(qiáng)大的生命力?！　?.1.1數(shù)據(jù)挖掘概念　　Fayyad等人將數(shù)據(jù)庫中的知識發(fā)現(xiàn)（KDD）定義為“從數(shù)據(jù)集中識別出有效的、新穎的、潛在有用的，以及最終可理解的模式的非平凡過程”（Fayyad etal.，l996）。實(shí)際上，KDD的目標(biāo)在于發(fā)現(xiàn)未知的、有用的并且簡潔的模式，它是一個(gè)交叉的研究領(lǐng)域，吸引了許多機(jī)器學(xué)習(xí)、模式識別、數(shù)據(jù)庫、統(tǒng)計(jì)學(xué)、人工智能、專家系統(tǒng)、圖形理論和數(shù)據(jù)可視化等相關(guān)領(lǐng)域的研究者。KDD系統(tǒng)通常使用來自這些領(lǐng)域的方法、算法和技術(shù)。　　KDD過程是一個(gè)使用數(shù)據(jù)挖掘技術(shù)，根據(jù)一些特定的度量方法和閾值提取有意義知識的交互和迭代式多階段過程，如圖l—1所示。KDD的主要步驟包括：　?。?）數(shù)據(jù)準(zhǔn)備。它包括3個(gè)子步驟：數(shù)據(jù)集成、數(shù)據(jù)選擇和數(shù)據(jù)預(yù)處理。數(shù)據(jù)集成將多文件或多數(shù)據(jù)庫運(yùn)行環(huán)境中的數(shù)據(jù)進(jìn)行合并處理，解決語義模糊性、處理數(shù)據(jù)中的遺漏和清洗臟數(shù)據(jù)等。數(shù)據(jù)選擇的目的是辨別出需要分析的數(shù)據(jù)集合，縮小處理范圍，提高數(shù)據(jù)挖掘的質(zhì)量。數(shù)據(jù)預(yù)處理是為了克服目前數(shù)據(jù)挖掘工具的局限性?！　。?）數(shù)據(jù)挖掘。該階段先要決定如何產(chǎn)生假設(shè)，是讓數(shù)據(jù)挖掘系統(tǒng)自動(dòng)為用戶產(chǎn)生假設(shè)，還是用戶自己對于數(shù)據(jù)庫中可能包含的知識提出假設(shè)。前一種稱為發(fā)現(xiàn)的數(shù)據(jù)挖掘，后一種稱為驗(yàn)證型的數(shù)據(jù)挖掘。然后選擇合適的工具進(jìn)行實(shí)際的挖掘操作，發(fā)現(xiàn)有用的模式或知識。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    模糊關(guān)聯(lián)規(guī)則的研究與應(yīng)用 PDF格式下載

---