分布式环境基于相似度的关联规则挖掘模型的研究*

介绍了关联规则挖掘的基本原理和方法,详细分析了分布式关联规则挖掘算法并给出其模型;提出一种充分考虑数据源异构性、基于相似度的的分布式数据挖掘方法.实验证明该模型提高了挖掘的准确率.     

分布式系统中关联规则挖掘研究

在分布式系统中如何挖掘关联规则是数据挖掘领域研究的一个重要课题。本文对关联规则分布式挖掘问题进行探讨，给出了关联规则分布式挖掘系统DAMINER的体系结构，提出了一种基于DAMINER的关联规则分布式挖掘算法ARDM。该算法具有通信代价小和时间开销少等优点。     

基于Web使用挖掘的个性化学习推荐系统

针对当前E learning推荐系统存在的问题，引入多Agent（MAS）系统，提出一种基于Web使用挖掘的集成MAS与Web services的分布式智能推荐系统模型。该模型能动态生成基于用户使用信息的个性化链接页面，有效地帮助学员找到所需的资源信息。提出了一种基于最近最少使用策略的系统推荐算法，包括系统整体实现算法、系统聚类算法及推荐算法。实时性能分析显示该系统运行性能良好。     

基于抽样的分布式约束性关联规则挖掘算法研究

本文采用抽样的方法，在基于约束的Eclat类算法（例如Eclat A和Eclat M）的基础上，提出了一种分布式约束性关联规则的挖掘算法——DMCASE算法。本算法在各数据站点上对一个较小的样本采用基于约束的Eclat类算法，挖掘局部约束频繁项集，采用归纳学习的方法归并所有局部约束频繁项集，产生全局约束频繁项集。只需1次扫描数据库，挖掘效率较高。实验证明：该算法是一种十分有效的解决基于约束条件下的分布式关联规则挖掘算法。     

基于MapReduce的H-mine算法*

频繁模式挖掘是一种非常有效的从数据中获取知识的方法,但是随着大数据时代的来临,现有算法及其计算环境的运算速度、内外存容量面临严峻挑战。针对以上问题,本文紧密结合MapReduce模型提供的高效分布式编程和运行框架,在深入分析H-mine频繁模式挖掘算法的基础上,通过对H-mine算法频繁模式挖掘过程的并行化改进,提出了一种新颖的基于MapReduce模型的H-mine算法（简称：MRH-mine）。MRH-mine算法实现了对H-mine算法在分布式运行环境下的改造,实验表明该算法在面对数据大规模增长的情况下,具有良好的性能和扩展性。     

基于Kademlia的下关联规则挖掘算法研究

在分析和介绍了分布式关联规则挖掘方法和对等网模型Kademlia的基础上,通过改进经典的Apriori算法,设计了一种能够用于对等网模型Kademlia的分布式关联规则挖掘算法。该算法通过对其频繁项集阈值的设置,能够快速减少各结点在进行关联规则挖掘时产生的中间候选项集的数量,降低算法复杂度,提高算法执行效率,仿真实验结果表明了该算法的有效性和可扩展性。     

基于遗传算法的信息流安全标记自动化挖掘

分布式信息流模型可以细粒度地控制信息的访问和传播,但其灵活性也增加了系统安全需求表达和策略管理实施的复杂性,严重制约了模型在云计算等分布式系统中的应用。对此,设计了一种基于安全断言的策略描述语言以表达安全需求;形式化定义了信息流安全标记挖掘问题,分析并证明了该问题是NP完全问题;提出了基于遗传算法的标记挖掘近似最优化算法。实验结果表明,算法可自动挖掘出策略配置最优解方案,有效提高了分布式信息流模型在实际系统中的可用性。     

分布式综合知识发现系统结构研究

利用多Agent技术，采用多层次结构，建立基于内在机理研究基础上的分布式综合知识发现系统（DKD（D＆K））总体结构模型。该模型设计了基于双库协同机制的分布式KDD＊的知识发现线路，使得分布式数据的预处理、挖掘算法及挖掘结果的评价和导航等研究贯穿于一体，形成了一个完整的系统。该模型不仅较好的继承原综合知识发现系统KD（D＆K）的主要特征，而且紧密结合了分布式数据库已经成熟的技术方法，并且与现在国际上比较典型的分布式知识发现系统比较有一定的优越性。     

分布式环境下挖掘约束性关联规则的算法研究

关联规则是数据挖掘的重要研究内容。基于约束的关联规则挖掘可以促进交互式探查与分析。该文主要研究了分布式环境中挖掘约束性关联规则的问题。在并行关联规则挖掘算法CD和约束性关联规则挖掘算法Direct的基础上,提出了一种新的分布式挖掘约束性关联规则算法DMA_IC。该算法对于解决分布式挖掘约束性关联规则的问题是十分有效的。同时,文章还对DMA_IC算法的通信性能进行了讨论。     

分布式数据库项约束多层关联规则挖掘

由于分布环境的日益普遍并且需要结合使用者的实际要求对数据集按层次挖掘关联规则，故本文针对在分布式环境下基于项约束的关联规则挖掘和多层关联规则挖掘的特点，将交易表按概念层次进行编码。使用逐层迭代挖掘蓑略，结合CD算法和Direct算法提出一种在分布式环境下挖掘约束性多层关联规则的有效算法：MLACD算法。并通过实验验证该算法是正确有效的。     

基于Web的文本挖掘

万维网是一个巨大的、分布广泛的、全球性的信息服务中心,它包含了丰富的信息资源。在茫茫的信息海洋如何快速有效地获取所需要的信息,一直是困绕着网上用户的难题。而Web挖掘可以从这个信息海洋中提取出所需要的有用知识,在一定程度上解决了用户的困绕。该文主要介绍了Web挖掘基本情况,并在此基础上对基于Web的文本挖掘进行了分析研究;给出了一个基于Web的文本挖掘的结构模型图。同时,在Web挖掘和数据挖掘研究的基础上,提出了一个智能化、个性化的现代远程教育系统结构模型。它比传统的远程教育系统具有更大的发展前景。     

关于Web Page的语义挖掘研究

关于Web Page语义挖掘的目的主要是在现有网络挖掘的基础上对挖掘内容加上语义的表述从而达到提高挖掘的效果.主要先处理挖掘的数据源,然后对数据进行语义标注,建立本体,将本体实例化,形成语义数据库,利用现有的挖掘算法实现挖掘结果.最终得到相对于现有挖掘效果得到提高的结论.     

企业智能化Web商务数据挖掘引擎算法设计与实现

针对现有的数据挖掘引擎难以满足企业不断增长的需求的问题,在传统搜索引擎的基础上提出了一种企业专用的智能化Web商务数据挖掘引擎.从总体上给出了模型框架,得出企业智能化Web商务数据挖掘引擎是一个基于多模型的系统的结论.接着分别详细研究了该引擎的:Web内容挖掘、Web信息获取、客户行为挖掘3个核心模块.并给出了3个模块的详细算法设计和实现过程     

基于用户访问模式挖掘的网页实时推荐研究

文中将数据挖掘技术用于Web日忘文件的挖掘，提出一个简单高效的关联规则和序列模式挖掘算法Predictor，谊算法具有较快的响应速度．可以满足实时页面推荐的需要，同时该算法还可以进行增量挖掘。     

基于CORBA的分布式Web挖掘系统的设计与实现

提出了一提出了一个基于CORBA的分布式Web挖掘系—DWMBC,它采用基于Web的管理模式,利用CORBA进行分布式处理。将分布式信息处理和Web挖掘有效地结合起来,具有跨平台、较好的安全性和可扩展性。另外,利用JAVA技术,它还能满足一些挖掘结果实时表示的要求。     

基于Web日志的用户访问模式挖掘

Web日志挖掘是数据挖掘技术在Web日志数据存储中的应用。论文介绍了Web日志挖掘,在分析发现用户访问模式方法——类Apriori算法的基础上,给出一种基于粗糙集的用户访问模式聚类方法。     

基于网格的分布式数据挖掘

针对分布式数据挖掘和网格计算的特点,本文详细分析了目前主流的几种网格体系结构,设计了一种基于开放网格服务架构的Web服务资源框架的分布式数据挖掘整体架构,通过应用描述了它们的具体数据挖掘流程。应用结果验证了该架构在网格环境下进行分布式数据挖掘的可行性和高效性。     

基于WEB挖掘的企业营运能力绩效评价模型的研究

企业的Web日志中蕴藏着丰富的信息.首先从企业绩效的角度出发,提出以企业营运能力的绩效评价为目标的Web被访信息的空间存储模型,模型中存储了访问时间序列、访问轨迹和评价指标等信息;然后将绩效评价体系的理论、基于Web的信息技术、数据挖掘技术集成,利用关联规则挖掘算法实现对因特网内的大范围Web日志的内容分析和主题挖掘,建立了基于Web挖掘的企业绩效方法.该模型为企业进行绩效评价提供了一种新思路.     

基于Web数据采掘的个性化远程教学树

为了高效地建立个性化远程教学树,本文分析了朴素个性化算法的不足,提出了多层Ｗｅｂ访问对象概念,并给出了形成多层主题树的算法、通过个性化数学据采掘,建立了个性化远程数学树,最后通过实验验证了算法的有效性。     

基于云计算的大规模网页日志挖掘研究

互联网上的数据规模大、种类多、变化快,而且越来越复杂。通过数据挖掘和分析,可以获取有潜在价值的信息。但是,传统的数据挖掘系统在数据存储和计算性能上存在瓶颈。通过使用云计算技术,设计了一个基于Hadoop架构的网页日志数据挖掘和分析平台来解决这个问题。同时,为了提高挖掘效率,为大规模网页日志挖掘实现了Apriori算法的并行化,并使用该平台验证了该行算法的效率。