导读:本文包含了关联规则和序列模式论文开题报告文献综述及选题提纲参考文献，主要关键词:数据挖掘,关联规则,序列模式
关联规则和序列模式论文文献综述
梁欣祺,张钰莎[1]（2015）在《基于关联规则的图书馆书目序列模式挖掘》一文中研究指出基于关联规则的序列模式挖掘在图书馆的数据分析中应用非常广泛。该文针对管理学院叁个不同专业学生借阅书目的序列挖掘得出,该专业书目借阅之间的关联关系及序列模式。所得结论能很好的应用于图书馆的管理服务及学生学习过程的指导。(本文来源于《电脑知识与技术》期刊2015年10期）
张钰,刘玉文[2]（2015）在《基于约束的序列模式关联规则挖掘算法》一文中研究指出约束关联规则是数据挖掘的一个主要方向,可以根据用户给定的约束条件针对性的挖掘.目前大多数的研究都集中在约束频繁项集挖掘方面,很少进行序列模式的约束关联挖掘.本文把序列模式和约束进行结合,提出一种基于约束的序列模式关联规则挖掘算法.它同时处理两类约束:反单调性约束和单调性约束.可以根据约束条件挖掘数据间的因果关联关系.通过实验验证,该算法在运行效率上达到了较好效果.(本文来源于《太原师范学院学报(自然科学版)》期刊2015年01期）
高莎莎[3]（2013）在《时空K-匿名集数据的关联规则和序列模式挖掘研究》一文中研究指出随着用户对基于位置服务（Location Based Service，LBS）隐私安全的日益关注，位置隐私保护成为当前研究的热点。但传统方法只针对快照单次查询或时空临近的连续多次匿名查询进行隐私保护，并未考虑基于大时空尺度范围匿名集的分析推理攻击。为验证这一问题，本文主要进行了以下研究：（1）通过对相关文献的理论分析研究，首次提出了传统的时空K-匿名及其变体方法可能存在不能有效防御基于大时空尺度范围匿名集的分析推理攻击问题，为此，设计并开发了从GPS轨迹数据模拟生成LBS时空K-匿名实验数据的软件系统。本文的研究对象是LBS在时空K-匿名查询过程中产生的系列匿名集数据。但目前时空K-匿名及其优化方法并没有在商业的LBS系统上得以大规模推广应用，因此我们采用对GPS轨迹数据进行预处理，并应用Gruteser等人提出的时空K-匿名算法，实验模拟生成一定规模数量的匿名集数据。本实验的GPS轨迹数据，取自南京市某出租车管理公司于2007年7月15日，收集的（0：00-24：00）时段的2612辆出租车的GPS轨迹数据。实验模拟生成的匿名集数据包括：LBS快照查询生成的匿名集，LBS连续查询生成的匿名集。（2）首先设计了具体的针对时空K-匿名查询数据集的关联规则挖掘方法与序列模式挖掘算法实现方案。然后利用提出的这两种实现方案，以从大量GPS数据模拟生成的匿名集快照数据与匿名集序列数据为实验数据，分别进行了匿名集数据的关联规则挖掘与序列模式挖掘的实验。实验结果表明：基于本文提出方法挖掘的匿名集数据关联规则和序列模式，可对涉及敏感时空区域的用户的隐私进行推理攻击，从而产生更具威胁性的隐私暴露风险。（3）首次提出了通过对隐私敏感的关联规则和序列模式进行动态的分析，在可信服务器上设计优化的时空K-匿名隐私保护方法，以实现LBS位置隐私的严格保护的基本思路。本论文研究成果对于实现LBS位置隐私的增强性保护研究具有重要的实践价值，对于丰富隐私保护数据挖掘领域的研究内容具有一定的理论价值。(本文来源于《南京邮电大学》期刊2013-04-01）
贾国栋[4]（2010）在《多相关周期性时间序列上的异常模式关联规则挖掘》一文中研究指出由于数据采集、计算机技术、监控系统和万维网技术的迅速发展和应用,人们对信息进行收集、处理和传播的速度越来越快,范围越来越广。在生产、生活、商业、科学研究等领域中,人们积累了大量的数据,并且由于新的应用的产生,新的数据在不断的急剧的产生。时间序列数据就是一种普遍的数据,它是指等时间间隔收集到的数据。近年来,在时间序列数据(包括一元时间序列数据、多元时间序列数据)上挖掘异常模式得到了越来越多的重视。对这些异常模式进行挖掘、分析、利用能够加深人们对异常产生机制的认识,并可以更好的达到消除这些异常、预防异常的发生,或者利用异常达到实践活动的目的。由于事物之间有普遍的联系,在时间序列数据库中,多个时间序列数据之间很可能存在相关性。一个序列上发生的异常可能导致或伴随与它相关的另外一个(或一些)时间序列也发生异常。本文假设,在多个相关上的时间序列上的异常模式之间也具有相关的关系。因此,本文研究了一个新的问题：挖掘相关时间序列上异常模式之间的关联规则,具体分析了具有周期性质的时间序列数据。为了解决这一问题,本文综合研究了多种数据挖掘技术,包括异常模式挖掘、聚类技术、关联规则分析。本文主要有以下贡献：提出了在多相关时间序列上挖掘异常模式之间关联规则这一新的问题；给出了多种形态时间序列的统一定义；给出了异常模式的一种新定义；提出了基于采样的异常检测算法；利用传统频繁集算法解决了异常模式关联规则问题。实验表明,基于采样异常检测算法具有很高的效率和准确性,异常模式之间的关联规则能够输出一些有趣的结果,本文的工作是有意义的。(本文来源于《东北大学》期刊2010-06-01）
李建芳[5]（2009）在《基于关联规则及序列模式的Web日志挖掘系统》一文中研究指出随着Internet的飞速发展,WWW已成为遍布全球涉及人类活动各个领域的信息资源。如何从海量信息中获取潜在的知识变得十分必要。将数据挖掘技术应用于互联网--Web数据挖掘(Web Mining)目前成为许多研究领域的热点。Web日志挖掘是Web数据挖掘的一个分支,作为Web挖掘的重要组成部分,又有着特殊的理论和实践意义。本论文论述了Web数据挖掘的研究背景及国内外研究现状,简要介绍了数据挖掘的定义、过程及最常用的技术,Web数据挖掘的定义及分类等基础知识。详细阐述了Web日志挖掘的预处理过程及其各环节的思想及关键技术,重点研究了在Web日志挖掘中采用的关联规则及序列模式算法的实现途径,深化了对数据挖掘理论的理解,为构建Web日志挖掘系统提供了技术支撑。论文取得的主要研究成果有以下3点:(1)在Web日志挖掘预处理的事务识别中采用最大前向参引模型MFR算法,将用户的访问记录划分成网页浏览序列,去除了用户因改变访问主题而点击“回退”造成的影响。以此更好地挖掘用户的浏览模式。然后在此基础上使用序列模式的PreFixSpan算法挖掘用户频繁访问的路径。使得挖掘结果更精确、更有效。(2)本文根据上述理论研究结合整体方案设计开发了一个Web日志挖掘系统,该系统能够从网站的主页开始,逐层建立各级栏目的相关数据库文件并最后得到网站的拓扑结构。该系统还通过人机对话方式,采用试探性方法及设计的测试程序,将用户访问的成千上万个不同的页面(即不同的访问地址)与网站对应的栏目(一般只有数十个)联系起来。为Web日志挖掘奠定了坚实的基础,使得挖掘的结果更有意义。这也是本文在应用上的创新。(3)将Web日志挖掘系统应用于具体网站,根据挖掘的关联规则及用户频繁访问的路径,对网站的组织结构及网页的链接方式提出改进意见。使Web日志预处理及数据挖掘算法的理论与研究更具有现实性及实用性,同时也验证了系统的有效性。(本文来源于《解放军信息工程大学》期刊2009-10-08）
孙兴中[6]（2009）在《警情数据的关联规则与序列模式发现》一文中研究指出数据挖掘技术是当前数据库和人工智能领域研究的热点课题之一,旨在从海量数据中提取有效的、新颖的、潜在有用的、易被理解的知识.从上世纪90年代初开始,数据挖掘已在市场、金融投资、生产和制造、生物、医学、天文、地理等众多领域得到了广泛的应用,但在公安工作中的应用研究尚处在初级阶段,目前还没有成熟的技术和应用系统.将数据挖掘技术应用于警情数据分析当中是本文研究的重点.本文以统一接警平台中网络报警与来访报案系统的建设为背景,以系统运行过程中产生的大量报警数据为基础进行数据挖掘技术的相关应用研究与开发.通过对相关文献的分析与比较,在数据挖掘相关知识的基础上,针对大量警情数据进行关联规则挖掘和序列模式发现这两大问题分别进行了探索性的研究与开发。在阐述关联规则与序列模式的相关概念和问题模型基础之上,重点设计与实现了关联规则发现算法与序列模式挖掘算法,根据系统的实际应用需求和警情数据特点,在相应算法的基础上分别提出了挖掘警情数据关联规则以及序列模式的算法改进.在算法的预处理阶段,数值属性采用无指导的离散化处理;将多值属性进行等价拆分;采用划分策略减小分析的数据量;在关联规则和序列模式的挖掘阶段,分别使用权值参数和加权前缀来区分案件之间的重要程度,以挖掘出不常发生的重大案情的发生规律;最后使用模拟数据进行了验证和分析.使用本算法挖掘出的关联规则和序列模式具有很高的应用价值,为警方决策的制定,警力的部署,警情的预测和应急处理等工作提供了重要的参考依据.(本文来源于《北京交通大学》期刊2009-06-01）
杜修平,王中[7]（2008）在《基于关联规则和序列模式挖掘的客户行为模型》一文中研究指出首先介绍了关联规则和序列模式,并在证券交易历史数据仓库中使用Apriori算法和Aprioriall算法进行挖掘,然后用挖掘结果构造了证券网上交易的客户行为模型。最后,从该模型的Markov链转移概率矩阵出发实现了网上交易行情自动推送机制,有效地提高客户网上交易实时行情的响应速度。(本文来源于《微型电脑应用》期刊2008年08期）
郭跃斌[8]（2008）在《基于序列模式的正负关联规则挖掘技术》一文中研究指出随着数据库技术的迅速发展以及数据库管理系统的广泛应用,应运而生了数据挖掘技术。通过数据挖掘我们可以找到对于商业销售及生产极为有效的一些信息,从而可以提高销售和生产效率,降低成本,取得最大的商业效益。其中,序列模式的挖掘是一个非常活跃的分支。对企业来说,序列模式可预测顾客的购买行为,促进销售量。比如A?B,这条规则是指顾客在购买了商品A之后,往往会接着买商品B。商家可根据这条规则制定销售策略,促进两个商品的销售。然而有时还会出现以下情况,顾客在购买了商品A之后,往往不会买商品C,这条规则记为A??C,这就是序列模式的负关联规则。在企业制定决策时,序列模式的负关联规则对于如何减少负面因素,最大限度的增加正面效益尤为重要。然而目前的序列模式研究,都是形如A?B?C的基于序列模式的正关联规则。关于序列模式的负关联规则的研究尚未展开。本文分别对现有的序列模式算法和负关联规则挖掘算法进行了研究,并利用相关性的定义,剔除其中相互矛盾的关联规则,将两种算法相结合,应用到序列模式的挖掘中,从而可以同时挖掘出基于序列模式的正、负关联规则。最后给出了应用实例,具体说明算法的实现过程。(本文来源于《山东轻工业学院》期刊2008-05-15）
郭跃斌,翟延富,董祥军[9]（2008）在《序列模式的关联规则在彩票分析中的应用研究》一文中研究指出通过论述数据挖掘和序列模式关联规则的概念及作用,对序列模式关联规则的挖掘算法进行研究,以100期彩票开奖结果为挖掘对象,从中找出各个号码的最长序列模式,并对算法进行实现。(本文来源于《山东轻工业学院学报(自然科学版)》期刊2008年01期）
祖巧红,陈定方,李文锋[10]（2007）在《基于关联规则重要性的产品购买序列模式发现》一文中研究指出为了解决利用关联规则进行购物篮挖掘分析存在的两个问题:由于数据挖掘前的业务分析不足,不能有效的挖掘出想要的规则;按照传统的关联规则参数设置挖掘得到的关联规则太多,用户无法对其进行取舍.结合实例销售数据,对数据源进行了业务深层分析,构建了基于销售的主题数据仓库,保证了数据挖掘的有效性,同时用概率代替置信度进行参数设置,并引入关联规则"重要性"参数作为新的衡量标准,分析规则的有趣性,以筛选出更有价值的关联规则.将研究结果应用于某制造业产品销售实例,进行了基于关联规则的产品序列购买模式研究,得到了有效的产品销售关联规则,支持了市场决策.(本文来源于《东南大学学报(自然科学版)》期刊2007年S2期）
关联规则和序列模式论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
约束关联规则是数据挖掘的一个主要方向,可以根据用户给定的约束条件针对性的挖掘.目前大多数的研究都集中在约束频繁项集挖掘方面,很少进行序列模式的约束关联挖掘.本文把序列模式和约束进行结合,提出一种基于约束的序列模式关联规则挖掘算法.它同时处理两类约束:反单调性约束和单调性约束.可以根据约束条件挖掘数据间的因果关联关系.通过实验验证,该算法在运行效率上达到了较好效果.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
关联规则和序列模式论文参考文献
[1].梁欣祺,张钰莎.基于关联规则的图书馆书目序列模式挖掘[J].电脑知识与技术.2015
[2].张钰,刘玉文.基于约束的序列模式关联规则挖掘算法[J].太原师范学院学报(自然科学版).2015
[3].高莎莎.时空K-匿名集数据的关联规则和序列模式挖掘研究[D].南京邮电大学.2013
[4].贾国栋.多相关周期性时间序列上的异常模式关联规则挖掘[D].东北大学.2010
[5].李建芳.基于关联规则及序列模式的Web日志挖掘系统[D].解放军信息工程大学.2009
[6].孙兴中.警情数据的关联规则与序列模式发现[D].北京交通大学.2009
[7].杜修平,王中.基于关联规则和序列模式挖掘的客户行为模型[J].微型电脑应用.2008
[8].郭跃斌.基于序列模式的正负关联规则挖掘技术[D].山东轻工业学院.2008
[9].郭跃斌,翟延富,董祥军.序列模式的关联规则在彩票分析中的应用研究[J].山东轻工业学院学报(自然科学版).2008
[10].祖巧红,陈定方,李文锋.基于关联规则重要性的产品购买序列模式发现[J].东南大学学报(自然科学版).2007