海量数据挖掘技术研究2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

海量数据挖掘技术研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 概论1

第一节 数据挖掘技术的兴起1

第二节 数据挖掘的主要问题2

一、数据挖掘任务与知识类型2

二、数据挖掘的过程3

三、数据挖掘的对象4

四、数据挖掘的应用4

五、数据挖掘面临的挑战4

第三节 本书的工作5

第四节 本书的结构5

第二章 数据挖掘技术综述7

第一节 频繁模式与关联规则挖掘7

一、单层单维布尔型关联规则挖掘与Apriori算法7

二、对Apriori算法的改进10

三、频繁模式与关联规则挖掘研究的新发展11

第二节 闭合模式挖掘与A-Close算法11

一、闭合模式挖掘与A-Close算法11

二、其他闭合模式挖掘算法14

第三节 最大模式挖掘与Pincer-Search算法15

一、最大模式挖掘与Pincer-Search算法15

二、其他最大模式挖掘算法17

第四节 多层多维关联规则挖掘19

一、多层关联规则挖掘问题19

二、多维关联规则挖掘问题19

第五节 对关联规则挖掘的其他扩展20

一、顺序模式挖掘20

二、基于约束的关联规则挖掘20

三、并行挖掘问题20

四、复杂检索问题21

五、关联规则与相关性21

六、其他问题21

第六节 数据挖掘软件系统21

第七节 保护隐私的数据挖掘技术23

一、全局概化技术23

二、全消隐技术23

三、局部概化技术24

四、带宽矩阵方法24

五、其他相关工作24

第八节 数据挖掘技术的应用25

一、数据挖掘的应用领域25

二、企业营销应用数据挖掘技术27

第三章 伺机投影策略的挖掘算法29

第一节 引言29

第二节 问题的描述30

第三节 频繁模式树的构造32

第四节 模式支持集的表示与投影34

一、稀疏型PTS的基于数组表示及其投影34

二、密集型PTS的基于树表示及虚拟投影36

第五节 伺机投影策略与OpportuneProject算法39

一、伺机投影的启发式原则39

二、估计TVLA和TTF的大小41

三、OpportuneProject算法41

第六节 性能评价43

一、数据集及其特性43

二、基本实验结果44

三、可伸缩性试验47

第七节 小结48

第四章 闭合模式与最大模式挖掘49

第一节 引言49

第二节 问题的描述51

第三节 复合型频繁模式树及其生成52

一、复合型频繁模式树CFIST52

二、CFIST结点的合并53

三、CFIST的生成算法53

第四节 CFIST的剪裁与包含关系的检查54

一、高效的CFIST局部剪裁54

二、分枝包容关系的快速检查55

三、快速杂凑法55

第五节 CROP：挖掘闭合模式的高性能算法56

一、平衡CFIST生成与剪裁效率56

二、CROP算法58

第六节 CROP性能测评59

一、CROP与CHARM效率对比59

二、CROP与CLOSET效率对比61

三、CROP与MAFIA效率对比61

四、可伸缩性实验62

第七节 挖掘最大频繁模式的新算法MOP63

一、最大频繁模式集及其剪裁63

二、MOP算法64

三、MOP的性能评价65

第八节 小结67

第五章 多维多层关联规则、分类规则与空间关联规则68

第一节 关联规则与无冗余关联规则69

第二节 多层频繁模式挖掘72

一、问题的描述72

二、逆字典树与多层频繁模式74

三、层次标记技术与模式支持集78

四、高性能多层频繁模式挖掘算法80

五、性能测评81

第三节 多维多层多数据类型关联规则挖掘84

一、多维多层多数据类型关联规则挖掘问题84

二、MDML-PP算法85

三、性能测评87

第四节 挖掘多支持率分类规则88

一、分类规则挖掘与TTF扩展88

二、多支持率剪裁90

三、分类规则及其单阶段挖掘算法91

四、对比实验92

第五节 空间关联规则的挖掘94

一、空间关联规则94

二、两阶段挖掘策略94

三、基于辅存分而治之的方法95

第六节 提高挖掘算法可伸缩性的技术96

一、海量数据挖掘策略96

二、缓冲管理技术97

三、挖掘算法改进及其性能分析98

第七节 小结100

第六章 智能型数据挖掘工具设计与实现101

第一节 引言101

第二节 数据仓库及其管理102

一、数据仓库模型与OLAP103

二、数据仓库的框架描述103

三、数据仓库管理器104

第三节 数据挖掘任务的描述、管理及执行机制105

一、数据挖掘作业Job的描述105

二、挖掘任务模型Scenario的定义107

三、挖掘任务模型的管理与执行108

第四节 智能型数据挖掘引擎109

一、算法描述库与算法模块109

二、知识库与引擎管理器111

第五节 SmartMiner体系结构112

第六节 关键技术与SmartMiner原型实现113

第七节 小结117

第七章 网络海量数据协同挖掘118

第一节 引言118

第二节 分布式黑板控制119

一、问题求解的黑板系统119

二、分布式问题求解与黑板控制120

第三节 形式化描述语言120

一、黑板的描述120

二、知识源的描述121

三、知识交换格式122

第四节 实现分布式黑板控制的一般智能代理122

一、智能代理GA的结构设计122

二、智能代理软件DBC-MA的实现124

第五节 分布式数据挖掘系统DistributedMiner125

一、分布式知识发现功能126

二、DistributedMiner的黑板设计126

三、挖掘平台体系结构127

四、DistributedMiner的实现与应用128

第六节 从分布计算到移动计算129

一、什么是智能代理129

二、智能代理的特征130

三、移动型智能代理131

四、典型mobile agent系统132

第七节 移动式数据挖掘系统模型135

一、移动型智能代理服务器135

二、DBC-MA变型137

三、MobileMiner工作流程137

第八节 小结138

第八章 挖掘事务型数据过程中的隐私保护139

第一节 引言139

第二节 隐私保护与匿名化模型142

第三节 集成概化与消隐技术的基本方法144

一、割集栅格的自顶向下贪婪法搜索144

二、为割集寻找一个好的消隐方案145

三、算法描述146

第四节 解决效率与可伸缩性瓶颈的关键技术147

一、最小隐私威胁147

二、多轮次求解策略148

第五节 信息损失与性能的实验评估149

一、信息损失评估150

二、效率评估152

三、可伸缩性评估153

第六节 小结154

参考文献155

后记176