多数据源关联规则挖掘算法研究

现行的关联规则挖掘算法大多只针对针对单一数据源进行挖掘，但在实验应用中，往往碰到多个数据源的情况，前面的工作已经就多数据源的挖掘做了一些基础性的研究，取得了一定的成果，在此提出一个多数据源关联规则挖掘算法，能够较好的解决在多个数据源的情况下，关联规则挖掘中所涉及的问题，并在实验部分验证了此种算法的正确性和效率。     

多数据源挖掘中的模式合成技术

现在的数据挖掘技术大多只针对单一数据源进行挖掘,但在实际应用中,碰到的大多是多个数据源的情况。作者在对多数据源的挖掘进行研究的基础上,进一步提出了一个多数据源模式合成的算法,并验证了此种算法的正确性和效率。     

多数据库挖掘中独立于应用的数据库分类研究

目前的数据挖掘技术大多只针对单一数据库进行挖掘．当数据库有多个时，需要用到多数据库挖掘技术．应用聚类思想，提出一种独立于应用的数据库分类方法，并给出了相关的算法，最后用实验证明了该方法的正确性和有效性。     

增量式的多源序列模式挖掘隐私保护算法

为解决多数据源挖掘隐私保护问题,文章采取按相似度分类多源数据库及其增量数据库,利用原始数据库挖掘结果和增量数据库分析结果进行敏感序列模式匹配,以有效减少数据库扫描次数的方法,设计实现隐私保护的增量式的高投票率序列模式挖掘算法。实验结果表明,给出的算法既能够准确挖掘出多数据源中全局高投票率模式,又能有效地隐藏保护敏感模式,且显著缩短了挖掘时间。     

CSE算法：利用对频繁序列扩展来进行序列模式挖掘

序列模式挖掘是在多个有序事件序列中查找出现频率大于某个阈值的序列模式的数据挖掘方法，自从1995年序列模式挖掘的概念被提出以来，人们不断地对序列模式挖掘算法进行研究和改进，本文介绍了一种新的序列模式挖掘方法－CSE算法及其具体实现方法，并对该算法性能做了初步的评价。     

基于多克隆选择的多维关联规则挖掘算法

通过引入多克隆选择算法的思想,提出了一种基于多克隆选择的关联规则挖掘算法．仿真对比试验表明,该算法加快了关联规则挖掘的收敛速度,具有更强的全局与局部搜索能力,与基于进化算法和基于免疫算法的关联规则挖掘算法相比,明显提高了所得关联规则的准确率．     

分类挖掘技术在金融客户关系管理中的应用

探讨数据挖掘技术在企业实际工作中的应用方式与应用领域，分析金融客户分类的必要性．针对具体的项目论述对金融客户进行分类的方法．改进了传统的决策树分类挖掘算法即ID3算法，提出了进行数据挖掘结果可视化展现的两层软件结构．该方法在银行客户关系管理系统中投入实际运行，获得了较好的用户反映，对企业的决策支持产生了积极的影响．     

基于Web使用挖掘的学生思想动态分析

本文借助Web服务产生的大量日志数据,运用Web使用挖掘技术,对点击流数据源进行收集、预处理,并用基于Separate的约束性关联规则挖掘算法对学生的思想进行分析,发现学生的思想动态,为教育管理者管理学生提供决策依据。     

基于关联规则的虚拟主机网站日志挖掘

网站日志记录了用户的浏览行为，通过挖掘网站日志，可以分析用户行为，为优化网站结构提供有价值的数据．但是很多虚拟主机网站没有日志记录功能，这给日志挖掘带来了极大的不便．本文介绍一种生成日志的方法，并利用关联规则算法对其进行日志挖掘，发现用户的访问模式，帮助网站改进页面结构．     

基于数据流的序列模式挖掘算法

为了实现对数据流的序列模式挖掘，提出了基于数据流的序列模式挖掘算法MFSDS-1和MFSDS-2，它们均通过调整入选度的大小来调整保存信息的粒度．算法MFSDS-2利用分层存储结构，不仅能更好地保存序列信息，而且可以通过与全局序列模式的对比得到当前活动的一些异常序列模式．实验结果表明，基于分层存储的算法MFSDS-2的效率比算法MSFDS-1高．     

基于邻域粒化的多数据源高投票决策规则的挖掘

多数据源高投票决策规则挖掘是指从多数据源中挖掘存在大部分数据源且具有重要意义的决策规则,此类规则在银行理财产品营销、市场营销、疾病诊断等领域中具有指导性作用.利用样本邻域粒化来构建决策规则的表现形式,在此基础上定义了覆盖度、投票数等多种决策规则的度量指标,用以挖掘满足这些度量指标的高投票决策规则.实验结果验证了所提算法挖掘多源决策信息系统中的高投票决策规则挖掘的有效性.     

基于集群系统的并行关联规则挖掘策略

文章在分析已有并行关联规则挖掘算法的基础上,讨论了多处理器系统中影响并行关联规则挖掘算法性能的主要问题。提出了多数据源在集群系统中的分布策略、在集群系统中进行并行关联规则挖掘的过程与策略、挖掘过程中并行计算的模型与方法以及规则的合并机制。     

基于关联规则的虚拟主机网站日志挖掘

网站日志记录了用户的浏览行为，通过挖掘网站日志，可以分析用户行为，为优化网站结构提供有价值的数据．但是很多虚拟主机网站没有日志记录功能，这给日志挖掘带来了极大的不便．本文介绍一种生成日志的方法，并利用关联规则算法对其进行日志挖掘，发现用户的访问模式，帮助网站改进页面结构．     

广义Web内容挖掘模型算法

在信息时代的今天,网络以几何速度飞速发展,成为现代人获取信息的主要来源之一．也正因为网络信息增长太快,人们反而面临“信息爆炸”与“知识贫瘠”共存的局面．数据挖掘(DM)是通过数据获取知识的最佳工具,由此,产生了Web数据挖掘,即KDW的概念．本文重点论述广义Web内容挖掘的特点与发展、狭义的内容挖掘中页面内和页面间挖掘的区分及应用的主要算法、结构挖掘中的两大算法及其优劣．     

基于频繁闭项目集的关联规则挖掘算法

提出一种有效的基于频繁闭项目集的关联规则挖掘算法RIFCI．该算法采用挖掘频繁项目闭集取代传统的频繁项目集，同时在项目集和事务集中展开搜索．通过对UCI机器学习库中10个数据集的测试，与工业标准C4.5比较，错误率低于19．48％，在准确度不变的情况下，生成规则数目低于传统算法，提高了算法的效率．     

Web使用挖掘数据源分析

讨论了Web使用挖掘过程的3个步骤,即数据获取与数据预处理、模式发现和模式分析,从服务器端、代理服务器端和客户端3个方面详细分析Web使用挖掘数据源的特征,指出了目前Web使用挖掘的数据源研究存在的不足,并给出了Web使用挖掘的数据源未来的研究方向.     

一种改进的路径挖掘算法

首先介绍日志挖掘的概念,分析了当前日志挖掘中的热点——用户访问模式挖掘过程中使用的算法,在此基础上提出了一种新的路径挖掘算法,并结合实验数据,验证了该算法的有效性。     

一种分类挖掘算法及其应用

提出一种增量式混合型分类挖掘算法,将基于概率论的符号学习与神经网络学习相结合,能够对既包含离散属性又包含连续属性的多个概念进行有效的分类处理,且具有较强的增量挖掘能力。该算法在法院决策支持系统中得到了运用,取得了较好的效果。     

无线传感器网络多目标关联覆盖

针对多目标网络覆盖中传感器节点和目标的关联关系,依据数据挖掘中的关联规则挖掘技术,设计了多目标关联覆盖算法MTACA．考虑到能量的有效性,利用关联规则挖掘方法动态地确定目标集合和传感器节点集合,通过节点集合工作状态的转换完成目标的完全覆盖,延长了网络使用寿命．同时,改进了适应区域覆盖的PEAS算法,使其适应多目标覆盖的应用．通过仿真对MTACA和改进的PEAS算法进行了性能分析．结果表明：MTACA算法和改进的PEAS算法在目标完全覆盖能力和网络使用寿命上明显优于随机部署网络;MTACA算法在目标完全覆盖能力、网络使用寿命、网络剩余能量以及节点间能量消耗均匀性上明显优于改进PEAS算法．     

网络教育资源Web挖掘研究

针对网络教育资源建设中存在的问题，着重对网络教育资源的获取、分类和标准化描述模型进行了研究．在分析Web挖掘技术和任务分类的基础上，提出了网络教育资源的Web文本挖掘、模型及其相关算法，将数据挖掘技术应用到网络教育领域，有助于在网络上获取高品质的网络教育资源，一定程度上解决了网络教育资源获取缺乏智能的问题．