商务数据中的关联和聚类算法研究
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景和现状 | 第8-10页 |
| 1.2 本文工作 | 第10-12页 |
| 1.2.1 研究路线和方法 | 第10页 |
| 1.2.2 研究内容及论文组织 | 第10-12页 |
| 第二章 静态商务数据挖掘算法研究 | 第12-34页 |
| 2.1 商务智能概述 | 第12-14页 |
| 2.2 关联规则发现 | 第14-24页 |
| 2.2.1 概述 | 第14-15页 |
| 2.2.2 关联规则发现算法 | 第15-19页 |
| 2.2.3 交易数据关联分析 | 第19-24页 |
| 2.2.3.1 引言 | 第19-20页 |
| 2.2.3.2 不一致的支持度约束策略 | 第20页 |
| 2.2.3.3 利用概念分层发现更有代表性的规则 | 第20-21页 |
| 2.2.3.4 规则筛选 | 第21-22页 |
| 2.2.3.5 实验结果 | 第22-24页 |
| 2.3 聚类分析 | 第24-33页 |
| 2.3.1 聚类分析概述 | 第24-25页 |
| 2.3.2 传统数据上的聚类分析方法 | 第25-28页 |
| 2.3.3 交易数据聚类 | 第28-33页 |
| 2.3.3.1 问题的提出 | 第28-29页 |
| 2.3.3.2 交易数据属性和特性 | 第29-30页 |
| 2.3.3.3 交易数据的聚类方法 | 第30-32页 |
| 2.3.3.4 交易数据聚类算法的实现 | 第32-33页 |
| 2.4 小结 | 第33-34页 |
| 第三章 流数据分析 | 第34-49页 |
| 3.1 概述 | 第34-37页 |
| 3.1.1 定义及特性 | 第34-35页 |
| 3.1.2 研究任务 | 第35-37页 |
| 3.2 流数据模型及管理 | 第37-42页 |
| 3.2.1 流数据模型及划分 | 第37-39页 |
| 3.2.2 流数据模型与传统数据的区别 | 第39-42页 |
| 3.3 流数据分析和挖掘 | 第42-48页 |
| 3.3.1 解决问题的原则 | 第42-43页 |
| 3.3.2 适合流数据挖掘的技术 | 第43-48页 |
| 3.3.2.1 抽样 | 第44-46页 |
| 3.3.2.2 sketch 技术 | 第46页 |
| 3.3.2.3 直方图 | 第46-48页 |
| 3.3.2.4 小波 | 第48页 |
| 3.4 小结 | 第48-49页 |
| 第四章 流数据上的关联发现 | 第49-66页 |
| 4.1 概述 | 第49-50页 |
| 4.2 流数据关联发现算法 | 第50-54页 |
| 4.2.1 问题的形式化描述 | 第51-52页 |
| 4.2.2 频度计数算法 | 第52-54页 |
| 4.2.3 频繁项集算法 | 第54页 |
| 4.3 MFISF 算法 | 第54-63页 |
| 4.3.1 MFISF 算法 | 第55-56页 |
| 4.3.2 后缀森林 | 第56-60页 |
| 4.3.3 项集生长方法 | 第60-62页 |
| 4.3.4 衰减策略 | 第62-63页 |
| 4.3.4.1 放射性衰减策略 | 第62-63页 |
| 4.3.4.2 精确性分析 | 第63页 |
| 4.4 MFISF 算法的实验结果分析 | 第63-65页 |
| 4.5 小结 | 第65-66页 |
| 第五章 流数据聚类分析研究 | 第66-92页 |
| 5.1 流数据聚类概述 | 第66-67页 |
| 5.2 流数据聚类算法的演化 | 第67-77页 |
| 5.2.1 流数据聚类中的k-划分技术 | 第67-69页 |
| 5.2.2 流数据聚类中的单层算法 | 第69-71页 |
| 5.2.3 单层算法演变 | 第71-77页 |
| 5.3 双层流数据聚类算法 | 第77-85页 |
| 5.3.1 概述 | 第77-78页 |
| 5.3.2 快速计算层 | 第78-82页 |
| 5.3.2.1 排序k-划分法 | 第79-80页 |
| 5.3.2.2 基于密度评估的方法 | 第80-82页 |
| 5.3.3 精确分析层 | 第82-84页 |
| 5.3.4 衰减策略 | 第84-85页 |
| 5.4 双层流数据算法的实验分析结果 | 第85-91页 |
| 5.4.1 实验环境和测试数据集 | 第85-87页 |
| 5.4.1.1 人造数据集 | 第86页 |
| 5.4.1.2 实际数据集 | 第86-87页 |
| 5.4.2 聚类质量评估 | 第87-88页 |
| 5.4.3 可扩展性评估 | 第88-90页 |
| 5.4.4 参数敏感性分析 | 第90-91页 |
| 5.5 小结 | 第91-92页 |
| 第六章 流数据挖掘在商务数据中的应用研究 | 第92-96页 |
| 6.1 概述 | 第92页 |
| 6.2 交易数据关联分析 | 第92-94页 |
| 6.3 客户行为聚类 | 第94-95页 |
| 6.4 小结 | 第95-96页 |
| 第七章 总结与展望 | 第96-99页 |
| 7.1 本文的主要贡献 | 第96-97页 |
| 7.2 进一步的研究内容 | 第97-99页 |
| 参考文献 | 第99-113页 |
| 作者读博士期间发表的论文和参加的项目 | 第113-114页 |
| 致谢 | 第114-115页 |
| 学位论文摘要(中文) | 第115-117页 |
| 学位论文摘要(英文) | 第117页 |
