导读:本文包含了关联规则置信度熵论文开题报告文献综述及选题提纲参考文献，主要关键词:参数自适应,关联规则,支持度,置信度
关联规则置信度熵论文文献综述
林甲祥,巫建伟,陈崇成,张泽均,舒兆港[1]（2018）在《支持度和置信度自适应的关联规则挖掘》一文中研究指出以事务集中所有项的支持数和所有规则的置信度数据为依据,使用统计拟合技术,对支持度和置信度阈值的自动化确定进行研究,提出支持度和置信度自适应的关联规则挖掘算法AdapARM (adaptive association rule mining),降低算法对先验知识的依赖性。在标准数据集Trolley和Groceries上进行实验研究,实验结果及其分析验证了AdapARM算法的有效性,其具有用户不必具备数据集的先验知识、不需人为设定支持度和置信度参数的优点。(本文来源于《计算机工程与设计》期刊2018年12期）
陈柳[2]（2018）在《基于多级置信度阈值的正负关联规则挖掘研究》一文中研究指出关联规则挖掘是数据挖掘领域中一个重要的研究方向。它揭示了数据集中项集之间的有趣关联关系,具有重要的理论价值和广泛的应用前景。然而,大多数的关联规则挖掘仅研究了数据项集之间的正向关联关系,对于隐藏在数据集中的项集间的负向关联关系,没有引起足够的重视。但是,在实际应用中,项集间的负向关联关系能为决策者提供更多有价值的决策信息。因此,正负关联规则挖掘的研究具有重要的现实意义。本文对正负关联规则挖掘的基本理论进行了讨论,深入地分析了有效正负关联规则挖掘算法设计的关键要素,总结了现有挖掘算法的不足。现有的基于多级置信度阈值的正负关联规则挖掘算法难以有效地设置多个置信度阈值来控制无趣规则的数量,提取出可信度高的规则。并且它们在挖掘过程中还容易遗漏一些有趣的关联规则。对此,本文对基于多级置信度阈值的正负关联规则挖掘算法进行了深入的分析和研究,取得如下研究成果:(1)结合项集相关性,系统地分析了正负关联规则置信度随规则的项集支持度大小变化的特点。据此特点提出了一种新的正负关联规则两级置信度阈值设置方法TCTPN。理论分析和实验对比结果表明,新方法不仅可以更好地确保提取出的关联规则有效和有趣,还可以显着降低可信度低的关联规则数量。(2)提出了一个基于相关性度量Kulc和TCTPN的正负关联规则挖掘算法PNARKT。算法基于有趣正负关联规则前件和后件的正项集频繁的理论,通过对事务数据库中不相交的两个频繁项集进行相关性分析来产生强正负关联规则,从而减少了有趣规则的遗漏。同时,相关性度量Kulc和新置信度阈值设置方法TCTPN的结合可以保证PNARKT算法提取出的规则有趣、可信。理论证明和实验对比结果都表明,PNARKT算法不仅可以更好地避免有趣正负关联规则的遗漏,而且在零事务居多以及两个项集蕴含关系具有不平衡特点的事务数据库中,也能有效地提取出有趣的正负关联规则。(本文来源于《四川师范大学》期刊2018-03-25）
陈柳,冯山[3]（2018）在《正负关联规则两级置信度阈值设置方法》一文中研究指出针对传统正负关联规则置信度阈值设置方法难以控制低可信度规则数量和易遗漏有趣规则的问题,提出了一个结合项集相关性的两级置信度阈值设置方法(PNMC-TWO)。首先,基于规则的无矛盾性、有效性和有趣性考虑,以相关度-支持度-置信度为框架,从规则置信度与项集支持度的计算关系出发,系统地分析了正负关联规则置信度取值随规则的项集支持度大小变化的规律;然后,与实际挖掘中用户对高可信度且有趣的规则需求相结合,提出了一个新的设置模型,避免了传统方法设置阈值时的盲目性和随意性;最后,从规则数量和规则质量两方面对所提方法与原双阈值法进行了实验对比。实验结果表明,所提方法不仅可以更好地确保提取出的关联规则有效和有趣,还可以显着地降低可信度低的关联规则数量。(本文来源于《计算机应用》期刊2018年05期）
高会生,李英敏[4]（2014）在《基于综合相关置信度的告警关联规则挖掘》一文中研究指出采用置信度融合算法计算相邻告警的综合相关置信度,并根据计算结果形成告警关联事务,增强告警事务内告警之间的相关性,降低对支持度的选择要求,有效挖掘出"低支持度-置信度"告警关联规则。利用h-置信度理论筛选有意义的告警关联规则,并通过实验比较了传统方法和本文方法的执行效率和挖掘正确率。(本文来源于《电信科学》期刊2014年10期）
赵艳枝[5]（2012）在《基于置信度关联规则挖掘的“数字图书馆”研究热点探析》一文中研究指出通过对近7年发表的被引率较高的"数字图书馆"方面的文献进行关键词关联规则挖掘,并依据规则进行文献内容分析,得出"数字图书馆"的研究呈现出偏技术轻人文、技术舶来化的特点,由此分析了"数字图书馆"研究的发展趋势,以期为"数字图书馆"的研究提供帮助。(本文来源于《高校图书馆工作》期刊2012年06期）
周贤善,杜友福,邵世煌,余光柱[6]（2010）在《高置信度关联规则的挖掘》一文中研究指出传统的关联规则和基于效用的关联规则,会忽略一些支持度或效用值不高、置信度(又称可信度)却非常高的规则,这些置信度很高的规则能帮助人们满足规避风险、提高成功率的期望。为挖掘这些低支持度(或效用值)、高置信度的规则,提出了HCARM算法。HCARM采用了划分的方法来处理大数据集,利用新的剪枝策略压缩搜索空间。同时,通过设定长度阈值minlen,使HCARM适合长模式挖掘。实验结果表明,该方法对高置信度长模式有效。(本文来源于《计算机工程与应用》期刊2010年24期）
杜琳,陈云亮,谢长生,蔡之华[7]（2009）在《图像数据高置信度关联规则的提取方法研究》一文中研究指出在图像关联规则挖掘的某些领域,要求提取出具有较高置信度的关联规则,同时对支持度的要求相对较低。提出了一种在兼顾支持度的情况下挖掘出高置信度的图像关联规则的方法。为了便于有效地提取图像关联规则,使用了名为bSQ(bit Sequential)的一种栅格数据格式。而后采取"逐层搜索"的方法,建立规则树,避免了传统方法在处理低支持度时产生的大量频繁项集。最后通过多图像关联规则提取优先级和图像数据立方体等技术在多幅图像中提取基于象素级的关联规则。通过实验证明,该方法能有效地提取图像数据高置信度关联规则,方法具有可行性。(本文来源于《计算机工程与应用》期刊2009年31期）
张卫国,高贤强,武晓宏[8]（2009）在《基于支持度-置信度框架的负关联规则研究》一文中研究指出基于支持度-置信度框架的关联规则存在一些缺陷,它可能产生负关联规则,而这种负关联规则又不容易被发现.实际上负关联规则对于实际应用上的研究很有价值.文中给出了一种负关联规则的判断方法并提出了一种挖掘负关联规则的算法.(本文来源于《微电子学与计算机》期刊2009年04期）
林堃,白清源,谢丽聪,谢伙生,张莹[9]（2008）在《基于规则置信度调整的关联文本分类》一文中研究指出基于关联规则的文本分类方法ARC-BC是目前已知的分类效果最好的关联规则分类算法。本文提出了利用ARC-BC分类器的封闭测试的结果对分类器进行调整规则置信度的算法RCA(Rules Confidence Adjustment),参与正确分类行为次数多于参与错误分类行为次数(即"威信"较高)的规则应该拥有更高的置信度,反之,就赋予更低的置信度。实验结果表明,经过RCA算法调整的关联文本分类器的分类效果得到显着提高。(本文来源于《计算机科学》期刊2008年03期）
董祥军,陈建斌,崔林,宋瀚涛,陆玉昌[10]（2005）在《正、负关联规则间的置信度关系研究》一文中研究指出当同时研究项集A、B间的正、负关联规则(A B、A┐B、┐AB及┐A┐B)时,置信度的设置问题变得非常重要。当A,B的支持度变化时,四种关联规则的置信度如何变化,它们之间有着怎样的联系,对此进行了详细讨论,结论对置信度的设置有重要价值。(本文来源于《计算机应用研究》期刊2005年07期）
关联规则置信度熵论文开题报告
（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：
关联规则挖掘是数据挖掘领域中一个重要的研究方向。它揭示了数据集中项集之间的有趣关联关系,具有重要的理论价值和广泛的应用前景。然而,大多数的关联规则挖掘仅研究了数据项集之间的正向关联关系,对于隐藏在数据集中的项集间的负向关联关系,没有引起足够的重视。但是,在实际应用中,项集间的负向关联关系能为决策者提供更多有价值的决策信息。因此,正负关联规则挖掘的研究具有重要的现实意义。本文对正负关联规则挖掘的基本理论进行了讨论,深入地分析了有效正负关联规则挖掘算法设计的关键要素,总结了现有挖掘算法的不足。现有的基于多级置信度阈值的正负关联规则挖掘算法难以有效地设置多个置信度阈值来控制无趣规则的数量,提取出可信度高的规则。并且它们在挖掘过程中还容易遗漏一些有趣的关联规则。对此,本文对基于多级置信度阈值的正负关联规则挖掘算法进行了深入的分析和研究,取得如下研究成果:(1)结合项集相关性,系统地分析了正负关联规则置信度随规则的项集支持度大小变化的特点。据此特点提出了一种新的正负关联规则两级置信度阈值设置方法TCTPN。理论分析和实验对比结果表明,新方法不仅可以更好地确保提取出的关联规则有效和有趣,还可以显着降低可信度低的关联规则数量。(2)提出了一个基于相关性度量Kulc和TCTPN的正负关联规则挖掘算法PNARKT。算法基于有趣正负关联规则前件和后件的正项集频繁的理论,通过对事务数据库中不相交的两个频繁项集进行相关性分析来产生强正负关联规则,从而减少了有趣规则的遗漏。同时,相关性度量Kulc和新置信度阈值设置方法TCTPN的结合可以保证PNARKT算法提取出的规则有趣、可信。理论证明和实验对比结果都表明,PNARKT算法不仅可以更好地避免有趣正负关联规则的遗漏,而且在零事务居多以及两个项集蕴含关系具有不平衡特点的事务数据库中,也能有效地提取出有趣的正负关联规则。
（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。
关联规则置信度熵论文参考文献
[1].林甲祥,巫建伟,陈崇成,张泽均,舒兆港.支持度和置信度自适应的关联规则挖掘[J].计算机工程与设计.2018
[2].陈柳.基于多级置信度阈值的正负关联规则挖掘研究[D].四川师范大学.2018
[3].陈柳,冯山.正负关联规则两级置信度阈值设置方法[J].计算机应用.2018
[4].高会生,李英敏.基于综合相关置信度的告警关联规则挖掘[J].电信科学.2014
[5].赵艳枝.基于置信度关联规则挖掘的“数字图书馆”研究热点探析[J].高校图书馆工作.2012
[6].周贤善,杜友福,邵世煌,余光柱.高置信度关联规则的挖掘[J].计算机工程与应用.2010
[7].杜琳,陈云亮,谢长生,蔡之华.图像数据高置信度关联规则的提取方法研究[J].计算机工程与应用.2009
[8].张卫国,高贤强,武晓宏.基于支持度-置信度框架的负关联规则研究[J].微电子学与计算机.2009
[9].林堃,白清源,谢丽聪,谢伙生,张莹.基于规则置信度调整的关联文本分类[J].计算机科学.2008
[10].董祥军,陈建斌,崔林,宋瀚涛,陆玉昌.正、负关联规则间的置信度关系研究[J].计算机应用研究.2005