数据挖掘中概念树的标准、生成和实现

主要介绍了属性的概念树在数据挖掘中作用，并结合实例，如何根据给定的视图自动地生成各属性的概念树，并介绍了如何基于概念树进行规则的挖掘。     

一种改进的多层关联规则挖掘算法

在传统的多层关联挖掘算法中,概念层次树只提供项目的概念分层信息,导致项目查找效率不高。为此,提出一种改进的多层关联规则挖掘算法。在概念层次树的节点中增加2个域,以获取各层的频繁1-项集,通过增加1个基于Hash表的辅助存储结构,以提高项目的查找效率。实验结果表明,与传统算法相比,改进算法的挖掘时间能缩短10%左右。     

一种新的多层关联规则算法

通过数据库和Web日志构建概念层次树,在继承FP算法思想的基础上,提出了由概念层次树挖掘多层包括交叉层次的关联规则算法。实验结果表明,该算法在性能上比传统算法有了较大的改善,能为客户提供多层次的关联推荐和电子商务的个性化服务。     

多粒度数据的区间形式概念分析方法

经典概念格和面向属性（对象）概念格都是形式概念分析中重要的数据结构，将区间集引入到这些概念格中，可以得到区间集概念格和面向属性（对象）区间集概念格。证明了面向属性区间集概念格与面向对象区间集概念格是反序同构的，将多粒度的思想引入到形式概念分析中，研究粒化前后区间集概念之间的关系；在多粒形式背景下，进一步研究了面向对象（属性）区间集概念之间的内在联系。     

数值型数据的泛概念树的自动生成方法

概念层次在数据挖掘中有着重要的作用 .通过自动生成概念层次 ,可有效地提高数据挖掘的效率 ,在不同层次上发现知识 .文中介绍基于云模型的数值型概念表示方法 ,通过云模型的期望值、熵和超熵三个数字特征有效地表达定性概念 ,并实现定性和定量的不确定转换 .通过云变换实现了泛概念树中叶结点的自动生成 ,并自动构造数值型数据的泛概念树 .同时 ,进一步研究了泛概念树中的概念爬升和跳跃的方法 ,为通过数据挖掘发现各层次知识提供了基础 .     

一种非确定树模式挖掘算法

非确定树模式挖掘已经成为一个重要的研究课题,提出一种非确定树模式挖掘算法,有效地解决了在实际应用中树的非确定性问题。其基本思想为：提出非确定树蕴含集、确定树概率和非确定期望支持度等概念,提出将非确定树的期望支持度作为树的支持度,提出非确定树支持度计算方法,利用哈希表能快速匹配的特性降低求解期望支持度过程中树同构判定的时间复杂度,提出非确定树挖掘层次搜索空间,使得非确定树挖掘快速而精确。实验结果表明,提出的非确定树挖掘算法有效可行且具有显著的运行效率。     

空间数据概念树提升算法研究

本文提出了空间数据概念树提升算法．该算法对基于规则的面向属性的概念埘提升算法作了改进，主要是引入可性度因子对规则进行修正．并实行主概念属性一次性泛化。整个算法无需回溯。     

基于语义的决策树挖掘方法研究

提出了将概念树同决策树挖掘相结合的方法，解决传统决策树挖掘缺乏语义信息的问题。该方法能提高数据挖掘系统的知识表示能力，增强知识的共享性和重用性，在一定程度上改善决策树挖掘中记录重复或语义模糊等问题。     

基于主题概念抽取的多文档文摘方法

提出一种应用于多文档文摘的有效概念抽取方法。利用WordNet中词语的同义和上下义关系进行语义消歧和概念树构造,通过概念优化算法进行主题概念抽取,建立概念向量空间模型并通过最大边缘相关方法得到文摘句。采用语义概念统计来替代传统的词形统计,能更准确地提取文档中的重要信息。DUC2005的评测结果表明,该方法比传统方法能获得更好的效果。     

一种基于证据理论的概念树结构多Agent合作求解模型

本文针对多Agent系统中Agent之间的盲目交互可能产生的效率低下问题,提出了一种基于慨念树结构的多Agent合作求解模型.在这个模型中,各Agent基于自己的领域知识构造出概念树,通过Agent之间的合作,对概念树从根节点开始使用证据理论实现逐层聚焦,逐步缩小求解范围.为此,本文基于模态、逻辑和关系概念提出了一种面向可能解集的证据理论表示,并探讨了在多Agent环境下应用证据理论可能导致的若干问题.     

基于决策树的股市数据挖掘与仿真

决策树方法是数据挖掘的一种方便而实用的方法。该文基于对股市数据的分析，适当选取某些经济指标作为决策属性，并利用改进的ID3算法，从股市数据中挖掘获利能力规则。该文提出的算法用C语言编程实现。仿真的结果表明，不仅获得了具有应用价值的股市决策规则，而且显示出股市中有的经验规则未必正确。     

一类具有时态约束的关联规则的知识发现问题

本文探讨了一类具有时态约束的关联规则的有关问题。首先,我们引入了时态型的定义以及相关的概念。接下来,我们给出了一种时态事件模型,用以描述基于时态型的不同属性的各种状态的事件,也定义了一类具有时态约束的关联规则,它能在诸如股票波动、天气预报、商品销售等领域提供短期的预测和决策。最后,我们给出了发现具有时态约束的关联规则算法的主要步骤。     

基于理性指标的马尔可夫链股市态势预测方法

由于股票市场存在人为扰动性,使得基于情绪的股市预测算法效果不佳。针对股市的诱多诱空问题,提出一种基于理性指标的马尔可夫链股市态势预测算法（RI_MCA）。提取股市的主要理性特征,并对这些理性特征进行量化;通过主成分分析将这些理性特征融合成理性指标,并利用理性指标获取股市的买卖点;将买卖点所对应的股市状态引入到马尔可夫链中,实现股市态势预测。在理性指标和股市状态相背离情况下会降低买卖点的可靠性,因而通过将特征背离引入到RI_MCA算法中提出了RICD_MCA算法,RICD_MCA算法根据特征背离程度对RI_MCA算法的结果进行调整优化。在上证指数上的实验比较与分析结果表明,RICD_MCA算法具有更高的预测精度。     

基于Agent的我国股票市场卖空机制仿真研究

针对我国股市现有的卖空约束缺陷,用复杂适应系统的思想和方法分析股市的复杂性,运用Swarm平台,构建基于Agent的直接计算机模型。设定模型由“交易事件”驱动,给定Agent理性和非理性的行为规则,让Agent通过对有关数据分析后建立有偏预期或无偏预期的交易策略,从而导致资产价格和交易量的变化,以此分析引入卖空机制对股市的影响。仿真模拟表明,卖空机制可以把价格风险降低,增加市场的流动性,对改变股市的资产结构有积极影响,成为投资者和市场规避风险的工具。     

多深度土壤温度无线传感器网络节点设计

针对多深度土壤温度传感器节点的设计要求,提出了一个二叉树搜索算法.该算法通过单总线识别所有连接在单节点上的传感器,并读取它们采集的温度.传感器节点有低功耗和处理功能单一2个特性,算法采用递归方式使得其上代码简洁和紧凑.理论分析与实验结果证明了算法的可行性和有效性.该设计将广泛应用在无线传感器网络（WSNs）应用背景下的实际生产和生活中.     

基于遗传编程的中国股票市场有效性检验

现代资本市场理论与金融投资实践之间存在着有效市场假说与技术分析之间的矛盾,使用流行的技术交易规则检验股票市场有效性可能导致两种结论偏差。遗传编程使用树形结构表示问题的候选解,可以很好地描述技术交易规则。利用遗传编程算法生成一种技术交易策略,并用其检验上证综合指数和5个沪深股市个股。回测结果表明,提出的方法相对于“买入-持有”策略能够获得超额收益,并且优于常用的流行技术指标,也说明我国股票市场并未达到弱式有效。     

Joint management of finished goods inventory and demand process for a make-to-stock product: a computational approach

In this paper, we consider the joint management of finished goods inventory and demand for a product in a make-to-stock production system. The production process is random with controllable mean rate, and the demand process is stochastic with changeable mean rate dependent on the sale price being high or low. The management issue is how to dynamically adjust the production rate and the sale price to maximize the long run total discounted profit. We show that: 1) the optimal management of the finished goods inventory follows a base stock policy: when the inventory is above certain base stock level, the production is halted; otherwise the maximum production rate is deployed to raise the inventory to the base stock level; and 2) the optimal management of the demand process follows a price switch threshold policy: when the inventory is above the threshold, the low sale price is chosen to sell the product; and below it the high price is chosen to reduce the demand. We provide an algorithm to compute the base stock level and price switch threshold. Extension to multiple price choices is given with proofs highlighted.     

数据仓库在超市中的应用

绍了数据仓库技术,以某超市销售决策支持系统为背景,详细描述了面向超市销售数据仓库的建模方法和步骤,并结合连锁超市企业的具体业务,给出了连锁销售决策支持系统的模型。利用OLAP技术构建出销售多维数据集,使用多维查询语言MDX对该多维数据集进行查询以便决策者方便地对销售量、库存情况进行分析并作出正确的决策。     

商业销售分析数据仓库的数据可视化的一种设计

文章研究了一个基于商业数据仓库的多维数据可视化分析的方法,利用这些数据可以确定商品的种类及层次关系,并用树形目录表示出来,且商品的销售可以用图形表示出来,这些图可以反映某一种商品在某一段时间(可以是近几年,一年中的12个月或1个月中的每一天)的销售状况.这种设计原理在数据仓库理论与应用中具有一定的通用性.     

A stock recommendation system exploiting rule discovery in stock databases

This paper addresses an approach that recommends investment types to stock investors by discovering useful rules from past changing patterns of stock prices in databases. First, we define a new rule model for recommending stock investment types. For a frequent pattern of stock prices, if its subsequent stock prices are matched to a condition of an investor, the model recommends a corresponding investment type for this stock. The frequent pattern is regarded as a rule head, and the subsequent part a rule body. We observed that the conditions on rule bodies are quite different depending on dispositions of investors while rule heads are independent of characteristics of investors in most cases. With this observation, we propose a new method that discovers and stores only the rule heads rather than the whole rules in a rule discovery process. This allows investors to impose various conditions on rule bodies flexibly, and also improves the performance of a rule discovery process by reducing the number of rules to be discovered. For efficient discovery and matching of rules, we propose methods for discovering frequent patterns, constructing a frequent pattern base, and its indexing. We also suggest a method that finds the rules matched to a query from a frequent pattern base, and a method that recommends an investment type by using the rules. Finally, we verify the effectiveness and the efficiency of our approach through extensive experiments with real-life stock data.