电子商务环境中分布式数据挖掘的研究 epub 网盘 高速 下载地址大全 免费

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 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 ，讨论了参数 和 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，具体阈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。 然后建立了BWADM原型，结合Web服务技术，给出了基于 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。 最后分析并指出了目前电子商务推荐系统存在的问题，并将电子商务环境中分布式数据挖掘技术应用到推荐系统中。为提高协同过滤推荐效率和精确度，根据P2PAKNNS提出了基于P2PAKNNS的协同过滤推荐算法，并根据KNDC提出了基于KNDC的协同过滤推荐算法，分别给出了这两个算法的具体实现方法，并予以验证。在此基础上，为解决目前电子商务推荐系统实时性和可扩展性不足、推荐工具种类繁多却单一、推荐结果解释性差等问题，将BWADM应用到电子商务推荐系统中，研究了基于隐式评分的推荐系统，并设计和实现了基于BWADM的电子商务推荐系统原型系统BDBRS，验证了其正确性和上述推荐算法在效率、精确度等方面的优越性。

摘 要 I ABSTRACT III 目 录 V 第一章 绪论 1 第一节 研究背景及意义 1 第二节 国内外研究现状与分析 2 一、研究现状简述 2 二、研究现状分析 7 第三节 本文主要研究内容 9 第四节 本文主要研究成果 10 第五节 本文的组织结构 11 第二章 数据挖掘、WEB服务与AGENT技术 13 第一节 电子商务分析 13 一、电子商务的概念 13 二、电子商务系统的构成 13 三、电子商务的主要模式 14 四、电子商务的发展阶段 18 五、电子商务发展的现状 18 六、电子商务环境的特征 19 七、电子商务应用集成的不足 21 第二节 数据挖掘技术 24 一、数据挖掘的功能 24 二、数据挖掘方法 26 三、数据挖掘的分类 34 四、数据挖掘的过程 35 五、数据准备问题 36 六、模式评价方法 37 第三节 数据挖掘算法 39 一、数据挖掘算法的组成 40 二、数据挖掘算法综述 40 第四节 分布式数据挖掘 44 一、分布式数据挖掘定义 45 二、分布式数据挖掘的特点 46 三、分布式数据挖掘策略 47 第五节 电子商务环境与数据挖掘 48 一、电子商务环境中挖掘数据分类 48 二、电子商务环境中数据挖掘的优势 49 三、电子商务环境中分布式数据挖掘的特点 49 第六节 服务与面向服务的分布计算 50 第七节 WEB服务技术 52 一、Web服务的基本概念 54 二、Web Services核心技术 56 三、Web服务组合 60 四、P2P环境中的Web服务 68 五、Web服务和网格计算 69 六、利用Web服务进行电子商务集成的优点 71 第八节 移动AGENT技术 72 一、软件Agent的定义及特性 72 二、移动Agent概述 74 三、移动Agent技术与其他分布式计算技术的比较 78 四、移动Agent的应用领域 79 五、移动Agent技术应用于电子商务的优势 80 第九节 本章小结 81 第三章 基于P2P的K最近邻自适应搜索算法的研究 82 第一节 问题提出 82 第二节 KNNS简介 83 第三节 相关研究 85 一、度量空间 85 二、相似性度量 86 三、GHT*规则 87 第四节 P2PAKNNS算法 87 一、高维数据的相似度函数 88 二、GHT*中插入和范围查找算法 88 三、搜索算法 90 四、实验分析 96 第五节 本章小结 97 第四章 基于距离和密度的无监督聚类算法的研究 99 第一节 问题提出 99 第二节 聚类简介 99 一、概述 99 二、数据挖掘对聚类算法的要求 101 三、相似性度量方法 102 四、聚类的质心、半径、直径 103 第三节 DENCLUE算法分析 103 第四节 KNDC聚类算法 105 一、分析 105 二、模糊簇的划分 105 三、参数 的讨论 108 四、参数 和 的估计 109 五、KNDC算法描述 110 第五节 本章小结 111 第五章 电子商务环境下关联规则算法的研究 112 第一节 问题提出 112 第二节 关联规则算法分析 113 一、基本概念 113 二、Apriori关联规则算法 114 三、多重最小支持度Apriori算法 116 四、相关支持度Apriori 算法 118 五、平均项目集分割法 120 第三节 RSAA-BOUIGA关联规则算法 122 一、无向项集图UISG的构造 122 二、BOUIGA算法 123 三、RSAA-BOUIGA算法 124 第四节 双阈值法 126 第五节 本章小结 128 第六章 电子商务环境中分布式数据挖掘架构研究 129 第一节 问题提出 129 第二节 分布式数据挖掘系统分析 130 第三节 BWADM研究 131 第四节 服务组合规范与执行 135 第五节 BWADM关键组件研究 138 一、数据预处理组件 138 二、算法管理组件 142 三、控制中心组件 143 四、算法库组件 144 五、模型表示组件 144 第六节 BWADM原型 145 一、数据挖掘系统实现方案 145 二、原型系统的数据流程图 146 三、系统模块设计与实现 147 第七节 原型系统的运行实例 158 一、数据源信息和结果数据库信息设定 158 二、数据预处理设定 159 三、挖掘任务设定 160 四、挖掘结果 161 第八节 系统架构的优点 162 第九节 本章小结 163 第七章 电子商务推荐系统研究 164 第一节 问题提出 164 第二节 电子商务推荐系统简介 164 一、信息检索和信息过滤 166 二、电子商务推荐系统模型简介 168 三、传统推荐算法简介 176 四、基于数据挖掘的电子商务推荐系统 184 第三节 电子商务推荐系统关键算法研究 186 一、基于P2PAKNNS的协同过滤推荐算法 186 二、基于KNDC的协同过滤推荐算法 189 第四节 基于BWADM的隐式评分推荐系统研究 191 一、BP学习算法简介 194 二、系统结构 195 三、项档案的建立 196 四、用户档案的建立 197 五、协同过滤推荐的产生 204 六、面向推荐结果的自动谈判协商 205 第五节 本章小结 210 第八章 基于BWADM的电子商务推荐系统设计与实现 211 第一节 简介 211 第二节 BDBRS功能结构图 213 第三节 BDBRS原型系统的体系结构 214 第四节 BDBRS的设计与实现 216 一、数据库设计 216 二、BDBRS系统部分模块设计介绍 219 第五节 本章小结 222 第九章 全文总结 224 一、研究工作总结 224 二、进一步的研究工作 225 参考文献 226

暂无相关内容，正在全力查找中

暂无其它内容！

暂时还没有人为这本书评论！