國立高雄大學圖資館 |

語系: 繁體中文

說明(常見問題)

圖資館首頁

登入

回首頁

切換: 標籤 | MARC模式 | ISBD

高平均效益項目集之探勘 = Mining High Average-Ut...

國立高雄大學電機工程學系碩士班

高平均效益項目集之探勘 = Mining High Average-Utility Itemsets

紀錄類型:	書目-語言資料,印刷品 : 單行本
並列題名:	Mining High Average-Utility Itemsets
作者:	李卓翰,
其他團體作者:	國立高雄大學
出版地:	[高雄市]
出版者:	撰者;
出版年:	2009[民98]
面頁冊數:	106面圖、表 : 30公分;
標題:	兩階段探勘
標題:	average utility
電子資源:	http://handle.ncl.edu.tw/11296/ndltd/56733577910839601928
附註:	參考書目：面
附註:	指導教授：洪宗貝
摘要註:	效益探勘是頻繁項目集探勘的一種延伸，它考慮到價格、利潤或是其他來自使用者選擇的度量。傳統上，一個項目集的效益是所有交易中項目集的效益的加總，並沒有考慮到項目集本身的長度。因此，相較於原本的效益度量法，這篇論文提出了平均效益的度量法來顯現一個較好的利益效果。這篇論文也提出了一個有效率地尋找高平均效益項目集的演算法。此方法使用上限邊界值來高估項目集的真實平均效益以滿足向下封閉的特性來減少候選項目集的數量。在同樣的門檻值下，探勘出的高平均效益項目集會少於高效益項目集。因此，相較於原來的方法，使用平均效益度量法的探勘可以在有著較高門檻值及相關且重要的準則下執行。在論文的第二部份，我們討論到高平均效益項目集的維護。這篇論文也提出了兩個漸進式的平均效益探勘演算法來處理資料的新增及刪除。這兩個演算法根據FUP演算法的概念並且使用先前挖掘出的高平均效益項目集來進行維護，因此能加速整個探勘的過程。實驗結果顯示提出的批次(batch)挖掘演算法能有效率地挖掘出高平均效益項目集，提出的漸進式平均效益挖掘演算法可以有效地處理資料庫的更新。 Utility mining is an extension of frequent-itemset mining, considering cost, profit or other measures from user preference. Traditionally, the utility of an itemset is the summation of the utilities of the itemset in all the transactions regardless of its length. The average-utility measure is thus proposed in this thesis to reveal a better utility effect of combining several items than the original utility measure. A mining algorithm is proposed to efficiently find the high average-utility itemsets. It uses upper-bound values to overestimate the actual average utilities of the itemsets for satisfying the “downward closure” property to decrease the number of candidate itemsets. The mined high average-utility itemsets will be fewer than the high utility itemsets under the same threshold. Mining with the average-utility measure can thus be executed under a larger threshold than that with the original, thus with a more significant and relevant criterion. In the second part of the thesis, we discuss the maintenance of the high average-utility itemsets. Two incremental average-utility mining algorithms are proposed for record insertion and deletion, respectively. The proposed algorithms are based on the concept of the FUP algorithm and utilize previously discovered high average-utility itemsets in the maintenance process, thus speeding up the mining process. Experimental results show that the proposed batch mining algorithm is efficient to find high average-utility itemsets and the incremental average-utility mining algorithms are useful to process the updated database.

高平均效益項目集之探勘 = Mining High Average-Utility Itemsets
李, 卓翰

高平均效益項目集之探勘 = Mining High Average-Utility Itemsets / 李卓翰撰 - [高雄市] : 撰者, 2009[民98]. - 106面 ; 圖、表 ; 30公分.
參考書目：面指導教授：洪宗貝.
兩階段探勘average utility

高平均效益項目集之探勘 = Mining High Average-Utility Itemsets
LDR:04022nam a2200277 4500 001 220294
005 20170214094602.0
009 220294
010 0 $b 平裝
010 0 $b 精裝
100 $a 20170214y2009 k y0chiy09 ea
101 1 $a eng $d chi $d eng
102 $a tw
105 $a ak am 000yy
200 1 $a 高平均效益項目集之探勘 $d Mining High Average-Utility Itemsets $z eng $f 李卓翰撰
210 $a [高雄市] $c 撰者 $d 2009[民98]
215 0 $a 106面 $c 圖、表 $d 30公分
300 $a 參考書目：面
300 $a 指導教授：洪宗貝
328 $a 碩士論文--國立高雄大學電機工程學系碩士班
330 $a 效益探勘是頻繁項目集探勘的一種延伸，它考慮到價格、利潤或是其他來自使用者選擇的度量。傳統上，一個項目集的效益是所有交易中項目集的效益的加總，並沒有考慮到項目集本身的長度。因此，相較於原本的效益度量法，這篇論文提出了平均效益的度量法來顯現一個較好的利益效果。這篇論文也提出了一個有效率地尋找高平均效益項目集的演算法。此方法使用上限邊界值來高估項目集的真實平均效益以滿足向下封閉的特性來減少候選項目集的數量。在同樣的門檻值下，探勘出的高平均效益項目集會少於高效益項目集。因此，相較於原來的方法，使用平均效益度量法的探勘可以在有著較高門檻值及相關且重要的準則下執行。在論文的第二部份，我們討論到高平均效益項目集的維護。這篇論文也提出了兩個漸進式的平均效益探勘演算法來處理資料的新增及刪除。這兩個演算法根據FUP演算法的概念並且使用先前挖掘出的高平均效益項目集來進行維護，因此能加速整個探勘的過程。實驗結果顯示提出的批次(batch)挖掘演算法能有效率地挖掘出高平均效益項目集，提出的漸進式平均效益挖掘演算法可以有效地處理資料庫的更新。 Utility mining is an extension of frequent-itemset mining, considering cost, profit or other measures from user preference. Traditionally, the utility of an itemset is the summation of the utilities of the itemset in all the transactions regardless of its length. The average-utility measure is thus proposed in this thesis to reveal a better utility effect of combining several items than the original utility measure. A mining algorithm is proposed to efficiently find the high average-utility itemsets. It uses upper-bound values to overestimate the actual average utilities of the itemsets for satisfying the “downward closure” property to decrease the number of candidate itemsets. The mined high average-utility itemsets will be fewer than the high utility itemsets under the same threshold. Mining with the average-utility measure can thus be executed under a larger threshold than that with the original, thus with a more significant and relevant criterion. In the second part of the thesis, we discuss the maintenance of the high average-utility itemsets. Two incremental average-utility mining algorithms are proposed for record insertion and deletion, respectively. The proposed algorithms are based on the concept of the FUP algorithm and utilize previously discovered high average-utility itemsets in the maintenance process, thus speeding up the mining process. Experimental results show that the proposed batch mining algorithm is efficient to find high average-utility itemsets and the incremental average-utility mining algorithms are useful to process the updated database.
510 1 $a Mining High Average-Utility Itemsets $z eng
610 0 $a 兩階段探勘 $a 向下封閉性 $a 平均效益 $a 效益探勘 $a 漸進式探勘
610 1 $a average utility $a downward closure $a incremental mining $a two-phase mining $a utility mining
681 $a 008M/0019 $b 542201 4024 $v 2007年版
700 1 $a 李 $b 卓翰 $4 撰 $3 353967
712 0 2 $a 國立高雄大學 $b 電機工程學系碩士班 $3 166118
801 0 $a tw $b 國立高雄大學 $c 20091020 $g CCR
856 7 $2 http $u http://handle.ncl.edu.tw/11296/ndltd/56733577910839601928