作者：沈斌
页数：169
出版社：浙江大学出版社
出版日期：2012
ISBN：9787308099264
电子书格式：pdf/epub/txt
内容简介
本书共分为七章，主要内容包括：概论；基于相关兴趣度的关联规则挖掘；动态关联规则挖掘；加权模糊层次关联规则挖掘等。
作者简介
沈斌，工学博士，浙江大学宁波理工学院副教授，浙江大学硕士生导师，澳大利亚悉尼科技大学量子计算与智能系统研究中心访问学者。近年来，主持或参与多项国家和省部级科研项目，发表高水平学术论文20余篇，出版专著1部，主编科普读物1部。2011年被列入浙江省“新世纪151人才工程”第三层次培养人员。主要研究方向：数据挖掘、物联网和智慧城市建设、复杂网络与复杂系统。
本书特色
从啤酒与尿布的故事说起
在描述有关关联规则的一些细节之前，先来看一个有趣的故事： “尿布与啤酒”的故事。 在一家超市里，有一个有趣的现象：尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。这不是一个笑话，而是发生在美国沃尔玛连锁店超市的真实案例，并一直为商家所津津乐道。沃尔玛拥有世界上最大的数据仓库系统，为了能够准确了解顾客在其门店的购买习惯，沃尔玛对其顾客的购物行为进行购物篮分析，想知道顾客经常一起购买的商品有哪些。沃尔玛数据仓库里集中了其各门店的详细原始交易数据。在这些原始交易数据的基础上，沃尔玛利用数据挖掘方法对这些数据进行分析和挖掘。一个意外的发现是：”跟尿布一起购买最多的商品竟是啤酒！经过大量实际调查和分析，揭示了一个隐藏在”尿布与啤酒”背后的美国人的一种行为模式：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。 按常规思维，尿布与啤酒风马牛不相及，若不是借助数据挖掘技术对海量交易数据进行挖掘和分析，沃尔玛是不可能发现数据内在这一有价值的规律的。
目录
第1章 概论 1.1 引 言 1.2 关联规则技术基础知识 1.2.1 基本概念 1.2.2 挖掘方法 1.3 关联规则技术研究分类 1.3.1 频繁模式、最大频繁模式和闭合频繁模式挖掘 1.3.2 多种扩展形式的关联规则挖掘研究 1.3.3 关联规则挖掘后处理 1.4 问题的提出第2章 基于相关兴趣度的关联规则挖掘 2.1 引 言 2.2 一种新的相关兴趣度度量 2.2.1 已有的关联和相关兴趣度度量 2.2.2 All-itern-confidence相关兴趣度度量 2.2.3 All-itern-confidence与All-set-confidence之间的关系 2.2.4 All-item-confidence与卡方检验之间的关系 2.3 购物篮中关联规则的应用类型分析 2.4 基于All-itern-confidencee的项项正相关关联规则挖掘 2.4.1 项项正相关关联规则挖掘问题的提出 2.4.2 兴趣度度量的选取 2.4.3 基于All-itern-confidence度量的项项正相关关联规则挖掘 2.5 挖掘算法ItemCoMine_AP和ItemCoMine_CT 2.5.1 ItemCoMine_AP算法 2.5.2 ItemCoMine_CT算法 2.5.3 实验测评和比较分析 2.6 基于All-item-confidence和项集相关性度量的项项且项集正相关关联规则挖掘 2.6.1 项项且项集正相关关联规则挖掘问题的提出 2.6.2 项集相关性度量 2.6.3 项项且项集正相关关联规则定义和举例 2.7 挖掘算法I&ISCoMine_AP和I&ISCoMine_CT 2.7.1 I&ISCoMine_AP算法 2.7.2 I&ISCoMine_CT算法 2.7.3 实验测评和比较分析 2.8 本章小结第3章 动态关联规则挖掘 3.1 引 言 3.2 问题描述及其分析 3.2.1 动态关联规则原定义 3.2.2 原定义的不足之处 3.3 动态关联规则新定义及其挖掘算法 3.3.1 动态关联规则新定义 3.3.2 动态关联规则挖掘算法 3.3.3 性能评测 3.4 带使用信息动态关联规则挖掘问题的提出 3.5 问题定义 3.5.1 候选有效时段表示 3.5.2 带使用信息的动态关联规则 3.6 带使用信息的动态关联规则挖掘算法 3.6.1 挖掘框架 3.6.2 ITS2算法 3.6.3 EFP-GrOWth2算法 3.6.4 使用信息生成 3.6.5 性能评测 3.6.6 应用实例 3.7 本章小结第4章 加权模糊层次关联规则挖掘 4.1 引 言 4.2 模糊层次型关联规则 4.3 布尔型数据库中的加权模糊层次型关联规则挖掘 4.3.1 加权的原因 4.3.2 叶子结点项权值的确定 4.3.3 加权模糊层次型关联规则(WGF—AR)模型 4.4 WGF-AR规则挖掘算法 4.4.1 性质 4.4.2 W-Apriori算法 4.5 性能测评 4.5.1 实验一：算法性能测试 4.5.2 实验二：可伸缩性实验 4.6 本章小结第5章 基于模糊分类结构的交易数据库关联规则聚类 5.1 引 言 5.2 模糊分类结构的合并 5.2.1 模糊分类结构描述 5.2.2 多个有向无环图的合并 5.2.3 合并后的模糊分类结构描述 5.3 带语义差别信息的模糊分类结构 5.4 基于模糊分类结构的距离度量 5.4.1 项间距离 5.4.2 项集距离 5.4.3 关联规则距离 5.5 规则聚类算法的选择和应用 5.6 实验分析与讨论 5.6.1 实验一：规则距离计算实验 5.6.2 实验二：规则聚类可视化计算 5.7 本章小结第6章 使用erot6g6软件的基于Ontology的关联规则检索 6.1 引 言 6.2 相关概念简介 6.2.1 语义本体 6.2.2 语义网 6.2.3 关联规则及其度量 6.3 基于Ontology的智能规则检索系统体系结构 6.3.1 体系结构 6.3.2 检索方式 6.4 基于语义web的关联规则检索核心技术 6.4.1 规则检索Ontology 6.4.2 商品项目实例和Rules实例标注 6.4.3 查询解析 6.5 本章小结第7章 关联规则技术进展及趋势展望 7.1 最新技术进展 7.1.1 关联规则隐藏(Association Rules Hiding) 7.1.2 比对模式(Contrast Patter／Emerging Patter) 7.1.3 图模式(Graph Patter) 7.1.4 可行动关联规则(Actionable Association Rule)、领域驱动关联规则 7.1.5 关联规则、模式应用研究 7.2 值得关注的方向附录 关联规则研究资料汇总参考文献
下载地址
立即下载（解压密码：www.teccses.org）
