分类关联规则归纳算法及应用研究

文摘

英文文摘

华南理工大学学位论文原创性声明及学位论文版权使用授权书

第一章绪论

1.1本课题的研究背景及意义

1.1.1数据挖掘的兴起

1.1.2数据挖掘的理论与技术

1.1.3数据挖掘的应用领域与发展前景

1.2与本课题相关的国内外研究进展

1.2.1关联规则挖掘算法综述

1.2.2分类关联规则归纳算法研究

1.2.3关联分类技术的发展与研究现状

1.3本课题研究的目标与内容

1.3.1研究的目标

1.3.2研究的内容

1.4本课题解决的关键问题

1.5本文的组织

第二章有关的术语及形式化描述

2.1基本术语

2.2关联规则与分类关联规则描述

2.3分类问题描述

2.3.1度量分类模型的指标体系

2.3.2分类规则质量评价函数

2.3.3分类模型的评价方法

2.4分类基准算法C4.5

2.5分类关联规则的搜索空间分析

2.5.1搜索全部关联规则属于NP难解问题

2.5.2分类关联规则的搜索空间

2.6小结

第三章分类关联规则的演化搜索研究

3.1研究的目的

3.2遗传算法

3.2.1遗传算法的出现和发展

3.2.2遗传算法的原理

3.2.3遗传算法的特点

3.2.4遗传算法求解问题的步骤

3.2.5基于遗传算法的机器学习

3.3设计搜索分类关联规则的遗传算法

3.3.1分类关联规则的染色体编码

3.3.2分类关联规则的演化方式

3.3.3基于遗传算法的关联分类

3.4影响规则演化搜索的主要因素

3.4.1适应值函数

3.4.2属性选择概率

3.4.3遗传算子

3.5适应值函数的理论研究

3.5.1混淆矩阵与关联规则度量的关系

3.5.2分类规则的演化机理研究

3.5.3一个规则演化实例

3.6实验结果及分析

3.6.1实验条件

3.6.2单因素实验

3.6.3综合实验

3.7小结

第四章原子型分类关联规则导向的知识要点发现

4.1研究的动机

4.2基本原理

4.2.1发现知识要点的机理

4.2.2复合规则支持度和置信度边界值计算

4.2.3数据结构

4.2.4挖掘知识要点的步骤

4.3算法设计

4.4算法的复杂度分析

4.5知识要点在分类中的应用

4.5.1基于知识要点的分类步骤

4.5.2分类规则的选择

4.6实验结果及分析

4.6.1实验条件

4.6.2知识要点的发现

4.6.3基于知识要点的部分分类

4.6.4从部分分类到完全分类

4.7 小结

第五章原子关联规则分类算法CAAR

5.1研究背景

5.2原子关联规则分类原理

5.2.1 CAAR算法的分类原理

5.2.2 CAAR算法与CBA的分类机理比较

5.2.3原子关联规则分类的理论计算

5.2.4 CAAR算法的分类步骤

5.2.5 CAAR分类的一个范例及演示

5.2.6 CAAR与1R算法的比较

5.3算法设计

5.3.1 CAAR分类算法设计

5.3.2 CAAR的强原子规则生成算法

5.3.3 CAAR的冗余规则剪枝函数

5.4 CAAR的分类能力度量

5.4.1 P型和N型数据集

5.4.2提高CAAR的适应能力

5.5算法分析

5.5.1 CAAR算法的时间效率分析

5.5.2 CAAR算法的空间效率分析

5.5.3基于x2检验的鲁棒性分析

5.6实验结果及分析

5.6.1实验条件

5.6.2剖析CAAR的分类过程

5.6.3 P型和N型数据集的划分

5.6.4 CAAR的分类性能实验

5.6.5 CAAR的鲁棒性实验

5.7 CAAR在图像内容分类学习中的应用

5.7.1基于关联规则的图像处理技术

5.7.2图像数据集

5.7.3基于CAAR的图像内容关联分类实验

5.8 CAAR在大规模数据挖掘中的应用

5.8.1大规模数据挖掘技术

5.8.2基于Mu lt i-Agents的分布式关联分类

5.8.3基于CAAR的大规模数据挖掘的特点

5.8.4实验结果及分析

5.9 小结

结束语

参考文献

攻读博士学位期间发表的与学位论文内容相关的学术论文

攻读博士学位期间主要参与的研究项目

附录：本论文常用符号对照表

致谢