Web数据挖掘算法

本文利用web数据挖掘方法对网站进行优化,在提出了网站优化系统的基本框架基础上,给出相应的web数据挖掘算法:频繁模式发现及序列模式挖掘两个主要算法以找到网站访问者感兴趣的页面集合以及频繁使用的链接序列,该结果以改进网站的设计,提高网站的访问率。     

负关联规则挖掘中的频繁项集爆炸问题

为了解决负关联规则挖掘中包含负项目的频繁项集数量爆炸问题,引入过频繁项集的概念,证明过频繁项集及其所有超集均不可能产生有趣的关联规则。在频繁项集生成过程中,必须对项集中包含负项目的个数进行限制。使用最小支持度、最大支持度、项集中最多包含负项目的个数2个参数来约束频繁项集生成过程的算法。实验结果表明:所增加的两个参数是必要的,特别是当数据集中所包含的项目个数比较多时,只有恰当地设置两个额外参数,才能够保证挖掘过程的正常进行。     

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.     

数据流中一种有效的当前频繁序列挖掘方法

给出了一种基于滑动窗口挖掘频繁序列算法。该算法给出了ε-近似序列集的定义，利用一种压缩的数据结构GSP-tree来存储和维护整个滑动窗口中各分区的近似序列集，并通过合并各分区的近似序列集来响应用户当前的查询请求。     

一种基于分布式数据库的全局频繁项目集更新算法

在算法FMAGF的基础上，提出了一种基于分布式数据库的全局频繁项目集更新算法－UAGFI，该算法主要考虑最小支持度发生变化时全局频繁项目集的更新情况。UAGFI在最坏的情况下仅须扫描各局部数据库一遍，并利用已挖掘的结果，可避免传送某些原全局频繁项目对应的条件频繁模式树，从而降低网络通讯代价，实验结果表明，UAGFI算法是有效可行的。     

最大频繁项集挖掘中搜索空间的剪枝策略

最大频繁项集挖掘可以广泛应用在多种重要的Web挖掘工作中.为了有效地削减搜索空间,提出了一种新的最大频繁项集挖掘中的搜索空间剪枝策略.这种策略基于深度优先遍历词典序子集枚举树,利用树中子节点与父节点扩展集中相同项的扩展支持度相等的特性,对搜索空间进行剪枝.应用该策略,对MAFIA算法进行改进优化.实验结果表明,该剪枝策略可以有效削减搜索空间,尤其在稀疏但包含长频繁项集的数据集上,搜索空间削减掉2/3,算法的时间效率比原MAFIA算法提高3～5倍.     

关联规则在特定行业审计数据分析中的应用

随着国民经济的快速发展,在各行业中对社会服务审计工作的质量和效率要求不断提高。传统审计服务工作已无法满足当今社会发展的需求。为了有效地识别违反审计的行为,该文基于关联规则挖掘技术对特定行业审计数据进行分析。以医保欺诈数据为例进行实验,实验结果表明,相较于传统审计分析工作,该方法的效率和准确率都有所提高。     

一种基于聚合链的改进FP-Growth算法

提出了一种基于聚合链挖掘频繁模式的改进FP-growth算法.该算法引入聚合链的单链表结构,改进了FP树结构.改进后的FP树是单向的,每个结点只保留指向父结点的指针,节省了树空间;相同项的不同节点的路径信息压缩进聚合链中,避免了生成节点链和条件模式库.用Agrawa方法生成实验数据进行分析,实验结果验证了该算法在时间上的优势.     

负关联规则挖掘算法的研究与实现

传统的正关联规则主要考虑事务中所列举的项目,负关联规则不仅要考虑事务中所包含的项目,还要考虑事务中所不包含的项目,它包含了非常有价值的信息。本文对负关联规则的相关定义、支持度及置信度的计算方法进行了分析讨论,并讨论了对负关联规则挖掘中出现的矛盾规则问题及利用规则相关性解决矛盾规则问题,最后给出了其挖掘算法及其实现。     

一种基于频繁模式的关联规则改进算法

分析了基于频繁模式的关联规则算法Fptree,给出了一种基于二进制表示的改进算法,详细介绍了该算法的主要思想,算法实现方案.并通过实例比较了两种算法,证明新算法提高了挖掘规则的效率.