基于粗糙集的電子商務智能推薦系統(tǒng)研究.pdf_第1頁
已閱讀1頁,還剩65頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、粗糙集(Rough Set)理論是波蘭數(shù)學家Pawlak教授于1982年提出的一種能夠定量分析和處理不精確、不一致、不完整信息與知識的數(shù)學工具,常用于處理模糊和不精確的問題.數(shù)據(jù)挖掘即數(shù)據(jù)庫中的知識發(fā)現(xiàn)(Knowledgc Discover Database,KDD),而商業(yè)智能研究中的商業(yè)數(shù)據(jù)挖掘,是一個從數(shù)據(jù)庫中抽取對商業(yè)零售企業(yè)進銷存等具有潛在應用價值的隱含信息的過程。使用粗糙集數(shù)據(jù)挖掘系統(tǒng)(RSDMS)進行數(shù)據(jù)預處理,消去冗余屬

2、性,抽取決策規(guī)則,可以在不影響決策效能的前提下精簡屬性集。將SQL運用于求信息熵的約簡過程當中,相關約簡算法可以通過縮短執(zhí)行時間來提高其效率。頻繁項目集發(fā)現(xiàn)算法是關聯(lián)規(guī)則的主要內(nèi)容之一,本論文在文獻[44]的基礎上提出了一種Apriori改進算法,在提出的矩陣基礎上我們可以方便地得到各個項集的支持度計數(shù),而不需要像Apriori算法那樣頻繁地掃描事務數(shù)據(jù)庫,減少了掃描事務數(shù)據(jù)庫的次數(shù),也不需要像參考文獻[44]當中的算法那樣得出各個項集

3、對應的子矩陣,降低了算法的復雜度。本論文在總結前人研究成果的基礎上,針對粗糙集的屬性約簡算法及其應用、商業(yè)數(shù)據(jù)挖掘、電子商務智能推薦等方面進行了研究,主要內(nèi)容歸納如下:
   (1)對粗糙集的基本理論知識進行了總體研究,詳細介紹了粗糙集的發(fā)展歷程及其國內(nèi)外現(xiàn)狀,分析了粗糙集的屬性約簡算法,并在精簡條件屬性集的基礎上運用基于SQL的屬性約簡算法對其進行了改進。
   (2)對數(shù)據(jù)挖掘以及商業(yè)數(shù)據(jù)挖掘的基本理論及其應用、應用

4、中存在的問題等做了介紹,針對數(shù)據(jù)的離散化、完備化等問題進行了分析研究,在相關文獻的基礎上提出了一種Apriori改進算法。
   (3)介紹了電子商務的發(fā)展歷程及其國內(nèi)外現(xiàn)狀,分析了電子商務的流程及其在運行過程中應該注意的問題,并對電子商務智能推薦系統(tǒng)進行了研究。
   (4)對電子商務網(wǎng)站的相關數(shù)據(jù)進行分析處理,利用改進的粗糙集屬性約簡算法及Apriori改進算法進行數(shù)據(jù)挖掘,將兩種改進算法結合使用作為一種方案運用到推

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論