基于不同數(shù)據(jù)型態(tài)、約束和應(yīng)用的高效用項集挖掘.pdf

1、隨著信息技術(shù)的迅猛發(fā)展，數(shù)據(jù)科學與眾多領(lǐng)域的聯(lián)系日益密切。高效用項集挖掘同時衡量了事務(wù)中的各個項的數(shù)量與利潤，因此揭示了高效益的知識以幫助人們進行商務(wù)決策和企業(yè)管理，近些年來成為了一個重要的研究熱點。目前的相關(guān)算法主要是關(guān)注于處理精確數(shù)據(jù)，但實際應(yīng)用中的數(shù)據(jù)其型態(tài)多樣，挖掘約束也不盡相同，許多現(xiàn)有算法無法有效地獲取所需的信息。因此，本文主要基于數(shù)據(jù)型態(tài)（數(shù)據(jù)層面）、約束條件（模型層面）和實際應(yīng)用（應(yīng)用層面）三個不同的層面開展相關(guān)研究。本

2、論文的主要研究內(nèi)容和貢獻包括：
　　第一，針對不同數(shù)據(jù)型態(tài)的高效用項集挖掘問題，本文創(chuàng)新性地提出了基于不確定數(shù)據(jù)的高效用項集挖掘框架與方法。目前的現(xiàn)有技術(shù)都是從精確數(shù)據(jù)中挖掘出高效用項集，本文分析了效用和不確定性之間的內(nèi)在聯(lián)系，提出了基于元組不確定數(shù)據(jù)的潛在高效用項集挖掘框架，進而提出基于上界值的PHUI-UP算法和基于概率效用列表的PHUI-List算法，其中后者優(yōu)于前者。它們的提出為高效用項集挖掘提供了新的研究思路，擴展了該研

3、究領(lǐng)域的研究范圍。
　　第二，針對不同約束的高效用項集挖掘問題，本文提出了基于多重最小效用閥值的高效用項集挖掘框架?，F(xiàn)有的研究方法均使用一個統(tǒng)一的最小效用閥值挖掘高效用項集，本文提出的HUI-MMU算法及其兩個改進算法，HUI-MMUTID和HUI-MMUTE，能基于多重最小效用閥值挖掘出高效用項集，而且所提出的排序向下封閉特性和至少最小效用值保證了最終結(jié)果的正確性和完整性。
　　第三，針對實際應(yīng)用中的動態(tài)數(shù)據(jù)庫，如記錄插入

4、、記錄刪除和記錄修改，本文分別提出了基于效用列表的HUI-list-INS算法和HUI-list-DEL算法，基于準大維護策略的PRE-HUI-MOD算法，去有效地維護并更新發(fā)現(xiàn)的高效用項集而不需每次都重新掃描整個數(shù)據(jù)庫。為了有效地處理動態(tài)數(shù)據(jù)庫中的三種情形，實驗結(jié)果表明所設(shè)計的模型其挖掘性能均明顯優(yōu)于最先進的批處理模型和現(xiàn)有的動態(tài)挖掘算法，包括運行時間、內(nèi)存消耗量和挖掘模式。
　　總體而言，本文從面向?qū)嶋H應(yīng)用出發(fā)，以基礎(chǔ)理論探索