导读:本文包含了关联规则度量论文开题报告文献综述及选题提纲参考文献，主要关键词:支持度,置信度,兴趣度度量,正负关联规则
关联规则度量论文文献综述
马彦勤,武彤,邓烜堃[1]（2018）在《基于兴趣度度量的正负关联规则挖掘方法研究》一文中研究指出传统的Apriori算法通过支持度阈值和置信度阈值的筛选来挖掘强关联规则,所挖掘出来的强关联规则并不都是有趣的,也忽略了负关联规则的挖掘,失去了负关联规则在决策分析中的重要作用。为了过滤强关联规则中的无趣规则,挖掘有趣的正负关联规则,引入了兴趣度的概念,对现有的几种兴趣度度量进行了研究,利用兴趣度度量的相关性质,提出了一种新的兴趣度度量。根据支持度、置信度、兴趣度的相关性质提出了相关定理并进行证明,用以挖掘有趣的正负关联规则。在新的兴趣度度量的基础上进行了算法设计,并采用真实数据集进行算法验证。结果显示,以提出的兴趣度度量为基础进行正负关联规则的挖掘是可行的,其结果比经典的Apriori算法挖掘方法更实用更有效。(本文来源于《计算机技术与发展》期刊2018年05期）
王仲君,杨文芳[2]（2017）在《基于效用函数度量的多维效用关联规则挖掘》一文中研究指出传统的多维关联规则挖掘过程通常以规则出现的频率来判定规则的有效性,并以支持度与置信度作为度量标准。这种挖掘方法只考虑规则间的统计相关性,忽略了规则自身的语义重要性,即规则能够为商家带来的期望效益。因此在多维关联规则挖掘过程中,引入效用函数作为统计相关性与语义重要性的综合度量指标。效用函数主要从潜在机会、购买概率、期望效益叁个方面来度量规则的有效性,潜在机会与购买概率表示统计相关性,期望效益表示语义重要性。结果表明,以效用函数作为度量挖掘出的规则既符合客观上要求的较高频率,又具有主观上期望的较高效益。(本文来源于《计算机应用与软件》期刊2017年12期）
苏雪峰,郭燕萍[3]（2014）在《负关联规则兴趣度度量方法研究》一文中研究指出关联规则挖掘是数据挖掘领域的一个重要课题。负关联规则相比正关联规则反映了不同的决策问题,有着重要的研究意义。目前负关联规则的兴趣度度量主要采用传统的基于支持度-置信度框架的度量方法。然而这些传统的度量方法存在一些局限,如标准不客观、不能反映项集间的相关性等,为了克服这些问题,本文提出一种基于余弦度量的兴趣度度量方法。(本文来源于《农业网络信息》期刊2014年07期）
宋中山,杨敏,周易[4]（2014）在《基于模糊集的时序关联规则的度量准则》一文中研究指出指出了时序关联规则在支持度度量上的不足,存在处理高密度海量数据时往往要耗费大量的时间处理规模巨大的频繁候选集,同时需要多次重复扫描数据库,执行效率低等问题,提出了重新定义支持度度量方法的时序关联规则.针对时序关联规则在解决项分类时涉及到的分层不确定、不准确情形,引入了基于隶属度的模糊层次分类结构,定义了项间距离、项集间距离,最终得到一种新的关联规则间距离的度量方法.实现了模糊层次分类,将时序关联规则结果进行聚类分析,得到规则和规则之间相似性,实验验证了该方法的有效性.(本文来源于《中南民族大学学报(自然科学版)》期刊2014年01期）
琚春华,鲍福光,王宗格[5]（2013）在《关联规则的评价方法改进与度量框架研究》一文中研究指出关联规则挖掘是数据挖掘领域的重要课题,但是,就评价关联规则是否有价值的依据,即兴趣度的度量方法,学术界没有一致的标准。传统的兴趣度度量方法包括支持度一置信度,提升度,改善度,有效度,影响度方法等。这些传统的兴趣度度量方法都存在各自的局限,本文首先比较分析了关联规则的客观兴趣度度量的相关研究成果,然后,针对它们的不足进行了改进,提出了两种比较有效的关联规则度量方法(New-lift,New-Improve),通过实验分析,进而提出新的度量框架,并实证了新方法的特征属性。(本文来源于《情报学报》期刊2013年06期）
王枭翔,陈小强[6]（2013）在《一个基于兴趣度的关联规则度量方法的改进》一文中研究指出关联规则是数据挖掘和知识发现领域的重要课题,但就判定关联规则是否成立的问题,即兴趣度的度量方法问题,学术界没有一致的标准。既有的兴趣度度量方法包括支持度—置信度方法、提升度方法、卡方分析方法等。这些传统的兴趣度度量方法存在各自的局限,表现为缺乏客观标准,只能度量正向关系等方面。为了克服这些问题,本文提出了一个基于兴趣度的关联规则度量方法的改进,并对该方法与传统方法进行了比较,证明了该度量方法的一些性质,指出了新方法的优点,实证了新方法的特征属性。该方法较之原有方法有一定的优势。(本文来源于《科技信息》期刊2013年06期）
吕杰林,陈是维[7]（2012）在《基于相关性度量的关联规则挖掘》一文中研究指出传统的关联规则挖掘方法容易生成一些无用规则,甚至生成误导规则,也不能区分正负关联规则.通过相关性度量,建立了基于相关性度量的兴趣度模型,并利用兴趣度模型改进了关联规则算法,最后,通过实例验证了此算法不仅能够避免生成无用规则和误导规则,还能生成一些感兴趣的负关联规则.(本文来源于《浙江大学学报(理学版)》期刊2012年03期）
李其申,屈喜琴,管俊[8]（2012）在《关联规则的相似性度量与聚类研究》一文中研究指出由于进行关联规则挖掘过程中会产生大量规则,给关联规则的后期分析与利用带来了巨大障碍。针对关联规则的特点,提出了一种新的规则相似性度量方法,通过相似性度量方法推出新的规则距离度量方法,运用系统聚类中的类平均法进行聚类。实验结果表明,该距离度量方法考虑了关联规则的整体信息,依据聚类谱系图和规则散点图,确定了类和类的个数,有利于规则的分类处理。(本文来源于《计算机工程与设计》期刊2012年02期）
周秀芬[9]（2008）在《关联规则算法及度量方法研究》一文中研究指出数据挖掘是知识发现(KDD)过程中的核心部分,数据挖掘是从大量数据中发现有趣模式,即从数据库海量的数据中找出隐含的、未知的、但却是非常有用的信息。关联规则是数据挖掘重要技术之一,本文对关联规则进行分析研究,主要包括以下内容:(1)对Apriori算法进行深入研究。分析算法思想,针对算法缺陷,本文分别给出改进算法。实例证明,改进后的算法能有效减少候选项集个数,提高执行效率;有效减少扫描数据库次数,减小I/O负担。(2)深入研究FP-Growth算法思想和FP-Tree存储结构。通过分析算法,得到影响FP-Tree大小的因素,建树的过程中确保压缩效果最好,从而减小I/O负担,提高算法效率。结合实例,比较了Apriori算法和FP-Growth算法性能。(3)对关联规则度量方法进行了深入研究。本文分别从数学和规则度量两个方面,重点分析了兴趣度度量存在的问题。针对现有度量标准存在的不足,结合规则有效性原则,提出一种度量改进方法。分析结果表明,该改进方法可有效屏蔽掉无效规则。最后给出了关联规则一个应用实例,将算法引入到银行客户信息系统中,实验结果表明,改进后的度量可以有效约束规则,改进效果较好。(本文来源于《南京理工大学》期刊2008-06-01）
杜巍[10]（2008）在《基于综合度量的零售业关联规则的研究》一文中研究指出本文以零售业作为行业依托,主要研究了怎样在零售业中生有益和有趣的关联规则,结合关联结果相关的一些研究成果,运用目前最重要的和最主要的关联算法Apriori算法,在基于置信度一支持度度量体系的基础上,引入一系列综合度量体系,包括兴趣度,相关性分析,负项关联分析,同时计算正负关联规则,提出一种全新的基于综合度量的关联规则的SMBA算法,然后在这个算法上建立一个挖掘模型,并且初步实现这个模型,进行了相关的试验分析。试验证明本文的研究是满足实际需要的,基本解决了规则矛盾、无意义,可靠性差等一系列问题。(本文来源于《吉林大学》期刊2008-04-03）
关联规则度量论文开题报告
（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：
传统的多维关联规则挖掘过程通常以规则出现的频率来判定规则的有效性,并以支持度与置信度作为度量标准。这种挖掘方法只考虑规则间的统计相关性,忽略了规则自身的语义重要性,即规则能够为商家带来的期望效益。因此在多维关联规则挖掘过程中,引入效用函数作为统计相关性与语义重要性的综合度量指标。效用函数主要从潜在机会、购买概率、期望效益叁个方面来度量规则的有效性,潜在机会与购买概率表示统计相关性,期望效益表示语义重要性。结果表明,以效用函数作为度量挖掘出的规则既符合客观上要求的较高频率,又具有主观上期望的较高效益。
（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。
关联规则度量论文参考文献
[1].马彦勤,武彤,邓烜堃.基于兴趣度度量的正负关联规则挖掘方法研究[J].计算机技术与发展.2018
[2].王仲君,杨文芳.基于效用函数度量的多维效用关联规则挖掘[J].计算机应用与软件.2017
[3].苏雪峰,郭燕萍.负关联规则兴趣度度量方法研究[J].农业网络信息.2014
[4].宋中山,杨敏,周易.基于模糊集的时序关联规则的度量准则[J].中南民族大学学报(自然科学版).2014
[5].琚春华,鲍福光,王宗格.关联规则的评价方法改进与度量框架研究[J].情报学报.2013
[6].王枭翔,陈小强.一个基于兴趣度的关联规则度量方法的改进[J].科技信息.2013
[7].吕杰林,陈是维.基于相关性度量的关联规则挖掘[J].浙江大学学报(理学版).2012
[8].李其申,屈喜琴,管俊.关联规则的相似性度量与聚类研究[J].计算机工程与设计.2012
[9].周秀芬.关联规则算法及度量方法研究[D].南京理工大学.2008
[10].杜巍.基于综合度量的零售业关联规则的研究[D].吉林大学.2008