Khai phá dữ liệu trên cơ sở phương pháp Luật kết hợp và ứng dụng |Tài liệu miễn phí

Home 1-luan-an-thac-si cong-nghe-thong-tin-thac-si Khai phá dữ liệu trên cơ sở phương pháp Luật kết hợp và ứng dụng

[giaban]0.000 VNĐ[/giaban] [kythuat]

[/kythuat]
[tomtat]

Khai phá dữ liệu trên cơ sở phương pháp Luật kết hợp và ứng dụng

Down tại đây or Down tại đây

MỤC LỤC

MỞ ĐẦU

CHƯƠNG I: TỔNG QUAN VỀ KHAI PHÁ DỮ LIỆU

1.1. Khai phá dữ liệu

1.1.1. Khái niệm về khám phá tri thức và khai phá dữ liệu

1.1.2. Kiến trúc của một hệ thống khai phá dữ liệu

1.1.3. Các loại dữ liệu được khai phá

1.1.4. Chức năng khai phá dữ liệu

1.2. Một số phương pháp khai phá dữ liệu thông dụng

1.2.1. Phương pháp luật kết hợp

1.2.2. Phương pháp cây quyết định

1.2.3. Phương pháp k-Mean

1.3. Một số ứng dụng của khai phá dữ liệu

1.3.1. Phân tích dữ liệu gen và sinh học y học

1.3.2. Phân tích dữ liệu tài chính

1.3.3. Dịch vụ bán lẻ

1.3.4. Công nghiệp viễn thông

1.4. Các khuynh hướng và thách thức trong khai phá dữ liệu

CHƯƠNG 2: KHAI PHÁ LUẬT KẾT HỢP TRONG CƠ SỞ DỮ LIỆU LỚN

2.1. Khai phá luật kết hợp

2.1.1. Một số khái niệm cơ bản

2.1.2. Cách khai phá luật kết hợp

2.1.3. Các tính chất của frequent itemset

2.1.4. Các tiêu chuẩn để phân loại luật kết hợp

2.1.4.1. Kiểu của giá trị được quản lý trong luật

2.1.4.2. Chiều của dữ liệu được đề cập trong luật

2.1.4.3. Mức trừu tượng được đề cập trong luật

2.2. Khai phá luật kết hợp boolean một chiều từ CSDL giao dịch

2.2.1. Thuật toán Apriori: Tìm các frequent itemset sử dụng việc sinh ra các ứng viên

2.2.2. Sinh luật kết hợp từ các frequent temset [5, 8, 15]

2.2.3. Cải tiến hiệu quả thuật toán Apriori

2.2.3.1. Phương pháp dựa trên bảng băm

2.2.3.2. Giảm số giao dịch

2.2.3.3. Phân đoạn

2.2.3.4. Lấy mẫu

2.2.4. Khai phá các frequent itemset bằng cách không sinh ứng cử viên

2.3. Khai phá luật kết hợp đa thức từ CSDL giao dịch

2.3.1. Luật kết hợp đa thức

2.3.2. Các phương pháp khai phá luật kết hợp đa mức

2.3.2.1. Đồng nhất độ hỗ trợ tối thiểu cho tất cả các mức

2.3.2.2. Giảm dần độ hỗ trợ tối thiểu ở mức thấp hơn

2.3.2.3. Độc lập theo từng mức

2.3.2.4. Lọc chéo mức bởi một itemset

2.4. Khai phá luật kết hợp đa chiều từ CSDL quan hệ và kho dữ liệu

2.4.1. Luật kết hợp đa chiều

2.4.2. Khai phá luật kết hợp đa chiều sử dụng việc rời rạc hoá tĩnh các thuộc tính số lượng

2.4.3. Khai phá luật kết hợp số lượng

2.4.4. Khai phá luật kết hợp dựa vào khoảng cách

CHƯƠNG 3: MỘT SỐ THUẬT TOÁN KHAI PHÁ LUẬT KẾT HỢP

3.1. Khám phá các frequent itemset

3.1.1. Thuật toán AIS

3.1.2. Thuật toán SETM

3.1.3. Thuật toán Apriori

3.1.3.1. Hàm Apriori_gen

3.1.3.2. Hàm subset

3.1.4. Thuật toán AprioriTID

3.1.5. Thuật toán AprioriHybrid

3.2. Khám phá luật kết hợp

3.2.1. Thuật toán sinh luật đơn giản

3.2.2. Thuật toán nhanh

3.3. Thuật toán DHP (Direct Hashing with Efficent Pruning)

3.3.1 Thuật toán DHP

3.3.2. Giảm kích thước của cơ sở dữ liệu giao dịch

3.3.3. Giảm số lần quét cơ sở dữ liệu (Scan – Reduction method)

3.4. Thuật toán PHP (Perfect Hash and Pruning)

3.5. So sánh các thuật toán khám phá các frequent itemset

3.5.1. Sinh dữ liệu tổng hợp

3.5.2. So sánh các thuật toán AIS, SETM, Apriori và AprioriTID

CHƯƠNG 4: CÀI ĐẶT CHƯƠNG TRÌNH THỬ NGHIỆM “MÔ PHỎNG THUẬT TOÁN APRIORI”

4.1. Phát biểu bài toán

4.2. Phân tích bài toán

4.3. Xây dựng dữ liệu

4.4. Cài đặt chương trình thử nghiệm

4.5. Giao diện chính của chương trình

KẾT LUẬN VÀ ĐỀ NGHỊ

TÀI LIỆU THAM KHẢO

[/tomtat]

GIỚI THIỆU

GIÚP ĐỠ

ỦNG HỘ CHÚNG TÔI