智能數(shù)據(jù)挖掘

目錄
第1章不確定頻繁模式挖掘概述1
1.1不確定數(shù)據(jù)挖掘1
1.2不確定頻繁模式挖掘研究背景2
1.3相關工作5
1.3.1完整的頻繁項集挖掘6
1.3.2頻繁閉項集挖掘8
1.3.3最大頻繁項集挖掘9
1.3.4Topk頻繁模式挖掘10
1.3.5近似頻繁模式挖掘11
1.4研究內(nèi)容與本書貢獻12
1.4.1研究內(nèi)容12
1.4.2本書貢獻13
1.5本書結構15第2章不確定頻繁模式挖掘技術17
2.1數(shù)據(jù)不確定性的原因17
2.2可能性世界理論和概率數(shù)據(jù)庫18
2.3不確定頻繁項集挖掘19
2.3.1基于概率數(shù)據(jù)的不確定數(shù)據(jù)模型20
2.3.2基于水平數(shù)據(jù)格式的挖掘方法21/智能數(shù)據(jù)挖掘——面向不確定數(shù)據(jù)的頻繁模式目錄/2.3.3基于垂直數(shù)據(jù)格式的挖掘方法22
2.4不確定序列模式挖掘24
2.4.1不確定序列數(shù)據(jù)模型25
2.4.2不確定序列模式挖掘技術28
2.5不確定頻繁子圖模式挖掘32
2.5.1不確定圖數(shù)據(jù)模型33
2.5.2不確定頻繁子圖模式挖掘技術37
2.6不確定高效用項集挖掘41
2.6.1不確定高效用數(shù)據(jù)模型41
2.6.2不確定高效用項集挖掘技術44
2.7不確定加權頻繁項集挖掘46
2.7.1不確定加權數(shù)據(jù)模型47
2.7.2不確定加權頻繁項集挖掘技術48
2.8本章小結52第3章Eclat框架下基于支持度的雙向排序策略53
3.1基于垂直數(shù)據(jù)格式的Eclat算法53
3.1.1存在的問題53
3.1.2支持度性質(zhì)及證明54
3.2基于支持度排序的雙向處理策略56
3.2.1支持度升序排列階段56
3.2.2支持度降序排列階段57
3.2.3頻繁項集挖掘中的雙向處理策略57
3.2.4BiEclat算法58
3.2.5BiEclat算法示例59
3.3概率頻繁模式挖掘中的雙向排序策略61
3.3.1基于概率數(shù)據(jù)的不確定頻繁模式挖掘61
3.3.2基于概率頻度的雙向排序策略64
3.4實驗結果及分析65
3.4.1實驗數(shù)據(jù)集65
3.4.2實驗結果分析67
3.5本章小結76第4章Eclat框架下的概率頻繁項集挖掘算法77
4.1概率頻繁項集挖掘相關概念77
4.2概率頻繁項集精確挖掘算法79
4.2.1相關工作80
4.2.2Tidlist數(shù)據(jù)結構81
4.2.3概率頻度計算模塊81
4.2.4UBEclat算法83
4.3概率頻繁項集近似挖掘算法85
4.3.1近似挖掘理論基礎85
4.3.2近似挖掘相關工作86
4.3.3NDUEclat算法88
4.4實驗結果及分析89
4.4.1實驗數(shù)據(jù)集90
4.4.2正態(tài)分布數(shù)據(jù)集中的性能分析90
4.4.3長尾分布數(shù)據(jù)集中的性能分析92
4.5本章小結95第5章基于粗糙集理論的近似頻繁模式挖掘96
5.1容錯數(shù)據(jù)中的頻繁模式挖掘理論96
5.1.1容錯數(shù)據(jù)模型96
5.1.2容錯數(shù)據(jù)的挑戰(zhàn)96
5.1.3粗糙集理論及相關概念99
5.1.4粗糙集理論在數(shù)據(jù)挖掘中的應用99
5.2面向容錯數(shù)據(jù)的近似頻繁模式挖掘101
5.2.1事務信息系統(tǒng)構建階段101
5.2.2等價類生成階段103
5.2.3下近似和上近似的定義104
5.2.4近似頻繁模式挖掘階段106
5.2.5精確度和覆蓋度的定義108
5.3實驗結果及分析109
5.3.1模擬數(shù)據(jù)集上的性能分析109
5.3.2真實數(shù)據(jù)集上的性能分析111
5.4本章小結115第6章在傳統(tǒng)中醫(yī)藥數(shù)據(jù)集中挖掘Topk近似頻繁閉模式116
6.1相關工作116
6.1.1面臨的問題117
6.1.2近似頻繁模式挖掘算法118
6.2基于粗糙集理論的Topk近似頻繁閉模式挖掘123
6.2.1事務類劃分階段124
6.2.2核模式產(chǎn)生階段126
6.2.3Topk近似頻繁閉模式挖掘階段129
6.3實驗結果和分析131
6.3.1基于支持度的聚類算法性能分析131
6.3.2Topk近似頻繁閉模式挖掘算法性能分析135
6.3.3實驗結果分析138
6.4本章小結138第7章總結和展望140
7.1本書總結140
7.2研究展望141參考文獻143