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

1、隨著信息技術(shù)的迅猛發(fā)展，數(shù)據(jù)科學(xué)與眾多領(lǐng)域的聯(lián)系日益密切。高效用項(xiàng)集挖掘同時(shí)衡量了事務(wù)中的各個(gè)項(xiàng)的數(shù)量與利潤(rùn)，因此揭示了高效益的知識(shí)以幫助人們進(jìn)行商務(wù)決策和企業(yè)管理，近些年來(lái)成為了一個(gè)重要的研究熱點(diǎn)。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(shí)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(wú)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(shí)際應(yīng)用（應(yīng)用層面）三個(gè)不同的層面開(kāi)展相關(guān)研究。本

2、論文的主要研究?jī)?nèi)容和貢獻(xiàn)包括：
　　第一，針對(duì)不同數(shù)據(jù)型態(tài)的高效用項(xiàng)集挖掘問(wèn)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(xiàng)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(xiàng)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(xiàng)集挖掘框架，進(jìn)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(xiàng)集挖掘提供了新的研究思路，擴(kuò)展了該研

3、究領(lǐng)域的研究范圍。
　　第二，針對(duì)不同約束的高效用項(xiàng)集挖掘問(wèn)題，本文提出了基于多重最小效用閥值的高效用項(xiàng)集挖掘框架。現(xiàn)有的研究方法均使用一個(gè)統(tǒng)一的最小效用閥值挖掘高效用項(xiàng)集，本文提出的HUI-MMU算法及其兩個(gè)改進(jìn)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(xiàng)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(duì)實(shí)際應(yīng)用中的動(dòng)態(tài)數(shù)據(jù)庫(kù)，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(zhǔn)大維護(hù)策略的PRE-HUI-MOD算法，去有效地維護(hù)并更新發(fā)現(xiàn)的高效用項(xiàng)集而不需每次都重新掃描整個(gè)數(shù)據(jù)庫(kù)。為了有效地處理動(dòng)態(tài)數(shù)據(jù)庫(kù)中的三種情形，實(shí)驗(yàn)結(jié)果表明所設(shè)計(jì)的模型其挖掘性能均明顯優(yōu)于最先進(jìn)的批處理模型和現(xiàn)有的動(dòng)態(tài)挖掘算法，包括運(yùn)行時(shí)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