学位论文 > 优秀研究生学位论文题录展示

电子商务环境中分布式数据挖掘的研究

作　者: 余小高
导　师: 熊前兴
学　校: 武汉理工大学
专　业: 计算机应用技术
关键词: k最近邻模糊簇阈值稀有数据架构
分类号: TP311.13
类　型: 博士论文
年　份: 2007年
下　载: 1551次
引　用: 5次
阅　读: 论文下载

内容摘要

现代新兴商业模式的电子商务的蓬勃发展，使得Internet上的资源和服务更加丰富多彩，这些丰富的资源和服务每天都会产生许多新的、蕴涵着大量重要信息的海量数据，这些数据往往是异构的、不确定性的和非结构化的，其复杂程度已远远超出了人类目前己有的分析和理解能力。因此，研究有效利用这些复杂资源的新技术，数据挖掘具有重要的现实意义。就信息处理而言，数据挖掘是致力于数据分析和理解数据内部蕴藏知识的技术，它成为未来信息技术应用的重要目标之一。本文在对分布式数据挖掘、Web服务及Agent相关技术进行了分析的基础上，为解决电子商务环境中分布式数据挖掘的核心问题，从关键算法和架构两个方面进行了深入研究。针对k最近邻搜索算法存在的问题，提出了电子商务环境中一种自适应的基于P2P的k最近邻搜索算法P2PAKNNS。探讨了度量空间、相似性查询和GHT~*规则，自定义了高维数据的相似度函数HDSF(X，Y)，论述了GHT~*中插入算法及范围查找算法和搜索算法。在此基础上，具体给出了P2PAKNNS算法的实现方法，并通过实验，验证了其正确性。同时本文对DENCLUE算法进行了研究，为使其适合电子商务环境、解决其存在问题，结合P2PAKNNS算法的优点，提出了电子商务环境中基于距离和密度的无监督聚类算法KNDC。论述了模糊簇的划分及参数k，讨论了参数σ和ξ的设置，给出了KNDC算法的具体实现方法，并予以验证。本文还针对电子商务环境中分布式数据挖掘的关联规则，在研究Apriori关联规则算法、多重最小支持度Apriori算法、相关支持度Apriori算法RSAA、平均项目集合分割法的基础上，改进了阈值的制定方法；为提高挖掘有价值的稀有数据的效率和精确度，根据RSAA和基于无向项集图算法BOUIGA提出了RSAA-BOUIGA算法，分析了其正确性。在此基础上，结合业界和学术界对Web服务和移动Agent的研究成果，将Web服务和Agent最新技术引入了电子商务环境中分布式数据挖掘，提出了电子商务环境下基于Web服务和移动Agent技术的数据挖掘架构BWADM，并论述了组合服务规范与组合服务的执行，具体阐述了此架构的数据预处理组件、算法管理组件、控制中心组件、算法库组件和模型表示组件。最后建立了BWADM原型，结合Web服务技术，给出了基于Web服务的数据挖掘系统逻辑结构，设计并实现了该系统，验证了BWADM的合理性和上述算法在效率、精确度等方面的优越性。

全文目录

摘要  4-6
Abstract  6-12
第1章绪论  12-22
  1.1 研究背景及意义  12-13
  1.2 国内外研究现状与分析  13-18
    1.2.1 研究现状简述  13-16
    1.2.2 研究现状分析  16-18
  1.3 本文主要研究内容  18-19
  1.4 本文主要研究成果  19-20
  1.5 本文的组织结构  20-22
第2章分布式数据挖掘、Web服务与Agent相关技术  22-37
  2.1 分布式数据挖掘概述  22-26
    2.1.1 分布式数据挖掘的特点  23-25
    2.1.2 分布式数据挖掘策略  25-26
  2.2 电子商务环境与数据挖掘  26-27
    2.2.1 电子商务环境  26
    2.2.2 电子商务中挖掘数据分类  26-27
    2.2.3 电子商务环境中分布式数据挖掘的特点  27
  2.3 Web服务技术  27-34
    2.3.1 Web服务的基本概念  28-29
    2.3.2 Web Services核心技术  29-32
    2.3.3 P2P环境中的Web服务  32-33
    2.3.4 Web服务和网格计算  33-34
  2.4 移动Agent概述  34-36
    2.4.1 移动Agent的体系结构  34-35
    2.4.2 移动Agent技术应用于电子商务的优势  35-36
  2.5 本章小结  36-37
第3章基于P2P的k最近邻自适应搜索算法的研究  37-56
  3.1 问题提出  37-38
  3.2 KNNs简介  38-40
  3.3 相关研究  40-44
    3.3.1 度量空间  40-42
    3.3.2 相似性度量  42
    3.3.3 GHT~*规则  42-44
  3.4 P2PAKNNS算法  44-55
    3.4.1 高维数据的相似度函数HDSF(X，Y)  44
    3.4.2 GHT~*中插入和范围查找算法  44-47
    3.4.3 搜索算法  47-53
    3.4.4 实验分析  53-55
  3.5 本章小结  55-56
第4章基于距离和密度的无监督聚类算法的研究  56-72
  4.1 问题提出  56-57
  4.2 聚类简介  57-61
    4.2.1 概述  57-59
    4.2.2 数据挖掘对聚类算法的要求  59-60
    4.2.3 相似性度量方法  60-61
    4.2.4 聚类的质心、半径、直径  61
  4.3 DENCLUE算法分析  61-63
  4.4 KNDC聚类算法  63-71
    4.4.1 分析  63-64
    4.4.2 模糊簇的划分  64-67
    4.4.3 参数k的讨论  67-68
    4.4.4 参数σ和ξ的估计  68-69
    4.4.5 KNDC算法描述  69-71
  4.5 本章小结  71-72
第5章电子商务环境下关联规则算法的研究  72-90
  5.1 问题提出  72-73
  5.2 关联规则算法分析  73-82
    5.2.1 基本概念  73-74
    5.2.2 Apriori关联规则算法  74-76
    5.2.3 多重最小支持度Apriori算法  76-78
    5.2.4 相关支持度Apriori算法  78-81
    5.2.5 平均项目集分割法  81-82
  5.3 RSAA-BOUIGA关联规则算法  82-86
    5.3.1 无向项集图UISG的构造  82-83
    5.3.2 BOUIGA算法  83-85
    5.3.3 RSAA-BOUIGA算法  85-86
  5.4 双阈值法  86-89
  5.5 本章小结  89-90
第6章电子商务环境中分布式数据挖掘架构研究  90-131
  6.1 问题提出  90-91
  6.2 分布式数据挖掘系统分析  91-92
  6.3 BWADM研究  92-98
  6.4 服务组合规范与执行  98-101
  6.5 BWADM关键组件研究  101-109
    6.5.1 数据预处理组件  101-105
    6.5.2 算法管理组件  105-106
    6.5.3 控制中心组件  106-107
    6.5.4 算法库组件  107-108
    6.5.5 模型表示组件  108-109
  6.6 BWADM原型  109-124
    6.6.1 数据挖掘系统实现方案  109-110
    6.6.2 原型系统的数据流程图  110
    6.6.3 系统模块设计与实现  110-124
  6.7 原型系统的运行实例  124-129
    6.7.1 数据源信息和结果数据库信息设定  124-125
    6.7.2 数据预处理设定  125-126
    6.7.3 挖掘任务设定  126-127
    6.7.4 挖掘结果  127-129
  6.8 系统架构的优点  129
  6.9 本章小结  129-131
第7章全文总结  131-134
  7.1 研究工作总结  131-132
  7.2 进一步的研究工作  132-134
参考文献  134-144
致谢  144-145
附录A 攻读博士学位期间主要参与的项目和发表的论文  145-146

电子商务环境中分布式数据挖掘的研究

内容摘要

全文目录

相似论文