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。     

一种Web流频繁模式挖掘算法

基于自顶向下的投影挖掘策略,提出一种无需多遍扫描数据库的Web访问模式算法TAM-WAP.其特点是用当前所挖掘数据的特征去驱动一个预测算法,根据预测结果,有选择性地生成中间数据.对多种实际数据和模拟数据的实验表明,本文算法优于传统算法.     

基于分类信息的关联规则间距离函数的改进

规则聚类将关联规则挖掘产生的大量规则重新组织，帮助用户发现感兴趣的规则。规则距离函数是规则聚类中的重要一环。本文基于分类信息的层次结构特点，对已有的规则距离函数进行改进。提出了参数控制距离和递归杈重距离的方法，解决了以往规则距离函数的多次匹配问题。通过距离函数的对比实验。证明提出的方法是合理有效的。     

挖掘Web日志降低信息搜寻的时间费用

如何根据用户的行为信息优化站点的设计是一个重要的研究问题．提出了一种新的支持站点设计优化的Web使用挖掘方案．此方案基于Web日志中的搜寻路径统计用户寻找目标花费的平均时间，用以量化Web页面的搜寻费用．在此基础上提出了一种高效的数据挖掘方法，寻找一组能够有效压缩搜寻路径(降低时间费用)的超链接．实验表明，挖掘的结果能够提供许多有用的信息，帮助管理者及时发现站点设计中存在的问题．     

X_Dist--一个柔性语义距离函数

量化对象间相似性／差别的方法具有广泛的用途,利用相关的语义信息能够得到更好的量化结果．提出了一个量化对象间语义差别的距离函数X_Dist,它基于线性优化中的运输问题模型和相关的语义信息量化两个对象之间的差别．在量化特征的差别函数是度量(metric)的情况下,X_Dist是一个度量,在提高搜索的效率方面具有优势,弥补了以往研究的不足,而且实验初步表明,此函数在最近邻查询效果、差别分辨力和计算速度方面能与已有函数相媲美．