基于项目评分预测的协同过滤推荐算法

推荐系统是电子商务系统中最重要的技术之一.随着电子商务系统用户数目和商品数目的日益增加,在整个商品空间上用户评分数据极端稀疏,传统的相似性度量方法均存在各自的弊端,导致推荐系统的推荐质量急剧下降.针对用户评分数据极端稀疏情况下传统相似性度量方法的不足,提出了一种基于项目评分预测的协同过滤推荐算法,根据项目之间的相似性初步预测用户对未评分项目的评分,在此基础上,采用一种新颖的相似性度量方法计算目标用户的最近邻居.实验结果表明,该算法可以有效地解决用户评分数据极端稀疏情况下传统相似性度量方法存在的问题,显著地提高推荐系统的推荐质量.  

关联规则挖掘综述

介绍了关联规则挖掘的研究情况，提出了关联规则的分类方法，对一些典型算法进行了分析和评价，指出传统关联规则衡量标准的不足，归纳出关联规则的价值衡量方法，展望了关联规则挖掘的未来研究方向。  

兴趣度--关联规则的又一个阈值

关联规则的采掘是数据采掘研究的一个重要方面，分析现有的关联规则采掘算法中所存在的问题：首先是关联规则在其表达形式上没有考虑各种可能的反面示例的影响，因而导致知识表达功能的不够完善；其次是有可能一条规则即使可信度和支持度都很高，仍没有实际意义，甚至是误导性的，因此对关联规则的形式定义作了修改，将运用差异思想引兴起度阈值运用到关联规则中来，并给出其形式定义，在分析了兴趣度的实际意义以后，讨论了举度与概  

基于项目聚类的协同过滤推荐算法

推荐系统是电子商务中最重要的技术之一 ,协同过滤是推荐系统中采用最为广泛也是最成功的推荐技术 .随着电子商务系统用户数目和商品数目日益增加 ,在整个用户空间上寻找目标用户的最近邻居非常耗时 ,导致推荐系统的实时性要求难以保证 .针对上述问题 ,本文提出了一种基于项目聚类的协同过滤推荐算法 ,根据用户对项目评分的相似性对项目进行聚类 ,生成相应的聚类中心 ,在此基础上计算目标项目与聚类中心的相似性 ,从而只需要在与目标项目最相似的若干个聚类中就能寻找到目标项目的大部分最近邻居并产生推荐列表 .实验结果表明 ,本算法可以有效提高推荐系统的实时响应速度  

一个基于兴趣度的关联规则采掘算法

关联规则是当前数据采掘研究的主要领域之一，获取具有更高价值的规则是该领域的一个研究重点，针对目前大多数采掘算法只能发现正项的关联规则和仅仅将兴趣度作为规则过滤工具的问题，在先前研究的基础上，提出了通过改进有关定义和引进反向项集的概念来进一步发现包含负项的关联规则的思想，并给出了相应的算法，最后，对这个算法给出了一定的评价和实例分析。  

IncLOF:动态环境下局部异常的增量挖掘算法

异常检测是数据挖掘领域研究的最基本的问题之一，它在欺诈甄别、贷款审批、气象预报、客户分类等方面有广泛的应用，以前的异常检测算法只适应于静态环境，在数据更新时需要进行重新计算，在基于密度的局部异常检测算法LOF的基础上，提出一种在动态环境下局部异常挖掘的增量算法IncLOF，当数据库中的数据更新时，只对受到影响的点进行重新计算，这样可以大大提高异常的挖掘速度,实验表明，在动态环境下IncLOF的运行时间远远小于LOF的运行时间，并且用户定义的邻域中的最小对象个数与记录数之比越小，效果越明显.  

基于商品分类信息的关联规则聚类

关联规则挖掘经常产生大量的规则，为了帮助用户做探索式分析，需要对规则进行有效的组织。聚类是一种有效的组织方法，已有的规则聚类方法在计算规则间距离时都需要扫描原始数据集，效率很低，而且聚类结果是固定数目的簇，不利于探索式分析．针对这些问题，提出了一种新的方法，它基于商品分类信息度量规则间的距离，避免了耗时的原始数据集扫描；然后用OPTICS聚类算法产生便于探索式分析的聚类结构。最后用某个零售业公司的实际交易数据做了实验，并通过可视化工具演示了聚类效果，实验结果表明此方法是实用有效的。  

异常检测算法分析

介绍了异常检测的算法，如基于统计的异常检测算法，基于深度的检测算法等，并重点分析了近些年来的一些新发展，如基于距离的异常检测，基于密度的异常检测以及面向高维数据的异常检测，并优缺点。  

基于约束的XML文档规范化算法

XML模式设计是XML数据库设计的关键．基于XML文档的基本概念给出了XML部分函数依赖、传递函数依赖、XML范式、XML第1到第3范式以及DTD无损联接分解的相关定义，提出XML模式规范化转换规则，给出无损联接分解的两种规范化算法，对算法的正确性、可终止性和时间复杂性进行了证明分析，并实验证明了规范化后的文档查询和存储效率有明显的提高．这将对未来的XML函数依赖保持、XML多值依赖以及XML模式设计的进一步规范化研究奠定理论基础．  

基于BP神经网络的路口短时交通流量预测方法

交叉路口是一个城市交通的重要组成部分，其各方向的交通流量预测更是该城市智能交通系统中的重中之重，本文提出一种基干BP神经网络预测路口短时交通流量的方法，该方法将路口其他非预测方向和交通信号配时方案对流量预测的影响因素考虑在内。