基于完全图的多支持度阈值关联规则挖掘算法

提出了基于完全图的最大约束条件下多支持度闻值关联规则挖掘改进算法。该算法利用完全图与频繁项集之间的关系，以完全图结点的度作为判断标准，使得寻找单个候选项集Ck（k≥3）的复杂度降低了。在由候选集得到频繁集的过程中，该算法避免了对事务数据库的扫描，从而减小了系统的I/O开销。因此，该算法减小了存储空间，加快了挖掘速度，提高了算法的效率。     

文本挖掘在电商数据分析中的应用模型设计

近年来,电子商务的发展很快,对电子商务的研究是热点问题,但大数据特征的电子商务文本多维度特征的数据挖掘、中文语义表述等研究和商业应用研究较少。本文以淘宝网交易数据为研究基础,利用文本数据挖掘技术从数据预处理、领域专业词库的构建以及营销决策支持信息的产生等几个方面进行了研究,提出并设计了可行的应用模型,通过该模型的实施,能够为电商企业提供相应的决策支持信息,从而为电子商务的后期研究打下基础。     

均线形态组合在证券分析中的应用

应用结构模式识别的方法,建立多阶均线形态组合序列。通过对股市历史数据的变换和分析,考查各形态组合序列对应的盈利和亏损概率,建立新的证券投资分析方法即均线形态组合预测法。其优点是可以部分弥补传统技术分析中的滞后性和不确定性,能根据市场的变化及时调整相应的参数指标,有效提高预测的成功率,并易用计算机作出识别。     

基于图的关联规则挖掘高效算法研究

通过对文献[1]中介绍的基于图的关联规则挖掘算法的详细分析，提出了一种新的基于完全子图的关联规则挖掘算法。该算法利用完全子图与频繁项集的对应关系，以完全子图结点的度作为判断标准，完全避免了不必比较项目之间的比较：同时通过设置关联图结点的order值，完全避免了相同项目集的重复比较，从而在寻找k-项频繁集（k〉3）的过程中，时间复杂度远小于原算法的1/k-1。因此，该算法减小了存傅空间，加快了挖掘速度，提高了算法的效率。