基于角色的个性化WEB日志挖掘模型研究

WEB的日志挖掘是WEB挖掘的其中一个分支.在本文提出了以"角色"为核心的WEB日志挖掘系统(RWM)的原型系统.根据用户在网站访问的情况动态产生用户扮演的角色集合,并根据用户的角色集合以及这些角色相关联的其他角色为用户提供个性化的访问页面.     

快速挖掘频繁模糊项集

针对模糊频繁集的挖掘问题,提出一种有效的算法FMF.该算法采用FFP-树结构,将与模糊项目相关的事务的序号保存在树结点中.算法通过直接找到所有包含模糊项集的全部事务来计算该项集的支持度,不必扫描整个数据库,提高了模糊频繁项集挖掘的速度.     

Can the climate background of western North Pacific typhoon activity be predicted by climate model?

Based on the observation and reanalysis data through 1948-2004, the vertical shear of zonal wind, outgoing Iongwave radiation, and divergence fields in the lower and upper troposphere during summer are revealed to correlate significantly with the concurrent western North Pacific （WNP） typhoon frequency, and they therefore can be regarded as predictors for the WNP typhoon activity anomaly. After that, the 34-year （1970-2003） ensemble hindcast experiments are performed by the nine-level atmospheric general circulation model developed at the Institute of Atmospheric Physics Under the Chinese Academy of Sciences （IAP9L-AGCM）, aiming to investigate the numerical predictability of the summer vertical shear of zonal wind and divergence field in the lower troposphere. It is found that the temporal correlation coefficients between the hindcast and observation are 0.70 and 0.62 for the vertical shear of zonal wind and divergence field, respectively. This suggests that the model possesses a large potential skill for predicting the large-scale climate background closely related to the WNP typhoon activity, and the model is therefore capable of performing the real-time numerical prediction of the WNP typhoon activity anomaly to some extent.     

基于划分技术对Apriori算法的改进

本文提出了一种基于划分技术对Apriori算法改进后的算法,它的优点是执行的整个过程只需要访问数据库两次,从而大大减少了访问数据库的次数。     

基于关联规则的Web日志个性化挖掘

Web作为目前Internet的主要信息发布渠道,已经显示出巨大的商业价值和应用潜力,因此分析和掌握用户在访问Web站点时的行为成为Web站点管理员十分关心的问题.文章阐述了利用用户浏览网页的方法,通过挖掘Web服务器中的日志文件（Weblog）,探寻用户访问的热门路径,来帮助管理员改善站点的设计和企业改进市场商务决策.     

基于MapReduce的关联规则并行增量更新算法

针对在关联规则的实际挖掘中,由数据快速增加所造成的大数据问题和增量更新问题?在快速更新频繁模式树算法(fast updated frequent pattern tree,FUFP - tree)的基础上,引入MapReduce 编程模型,提出了一个面向大数据的并行的关联规则增量更新算法(parallel fast updated frequent pattern tree,PFUFP - tree)?该算法通过构建原始事务数据的分块索引,从而使得在每次增量更新时,能够最小化地扫描原始事务数据库,提高了挖掘效率;同时采用动态负载均衡的项目分组策略来优化并行计算过程中的项集分组问题,从而保证分布式集群中节点之间的负载均衡;实验结果证明,提出 的算法是有效的和高效的,适用于动态增长的大数据环境?     

一种用于FTTx网络规划的频繁序列挖掘算法FSM

针对光纤接入（fiber to the x,FTTx）网络规划中频繁路径挖掘问题,在经典算法FP-Growth,SPADE的基础上,结合格理论,利用频繁项集扩展枚举树作为搜索空间,并引入位图方便扩展运算和支持度计算,提出了一个改进的频繁序列挖掘算法FSM+。详细介绍了该算法的相关性质和基本理论,阐述了该算法的基本思想和实现伪码。在VC++6.0和单机的环境下,利用不同规模用户装机数据集和最小支持度比较了该算法与SPADE,FP-Growth算法的性能和准确性。实验证明,FSM+算法在小规模数据集下性能优势并不明显,但在大数据集下其计算性能分别是SPADE,FP-Growth的5倍和7倍多,挖掘结果与SPADE,FP-Growth算法相同。从而在实际网络规划过程中,快速计算信任度较高的频繁模式,并与人工经验干预相结合,来进一步保证预测路径准确有效。     

基于属性覆盖的关联规则挖掘算法

本文提出了数据库中属性覆盖和项目集蜕化的概念,并由此引出了一种新的不产生候选集的关联规则挖掘算法。最后将这种新的算法与已有的具有代表性的算法进行比较,结果表明该算法执行效率较高。     

一种基于频繁项集挖掘的推荐算法

协同过滤是推荐系统中应用最成功的技术之一,现有基于项目的协同过滤算法在计算项目相似度时过度依赖用户对项目的评分数据,没有考虑项目间内在的关联性,导致推荐质量不高.为了全面客观地评估项目相似度,提出了一种基于频繁项集挖掘的推荐算法(BFIM).该算法提出将频繁项集作用于相似度计算中,可以提高相似度计算的准确性,进而提升推荐算法的推荐质量.实验结果表明:提出的改进算法较对比算法在公开数据集上能取得更好的推荐效果.     

一种改进的Apriori算法

分析Apriori算法的不知,提出从先删减后连接的新角度来生成频繁项集,达到减少无用连接,进而减少剪枝步骤候选项集判断数量来改进Apriori算法。改进后的Apriori算法在时间效率上优于传统的算法,而且所获得的关联规则质量与传统算法相当。