定期借阅图书流通数据关联规则检测仿真研究

发布时间：2020-10-27 11:31

　　 针对传统的流通数据关联规则检测方法存在检测时间较长、准确率较低等问题,提出一种基于Kullback-Leibler散度的定期借阅图书流通数据关联规则检测方法。将定期借阅图书流通数据符号化,并利用符号序列的频繁序列作为图书流通数据关联度的衡量指标,计算图书流通数据频繁序列中两个特征项之间的相对熵,将其作为图书流通数据频繁序列特征项之间流通数据近似度。利用平均相对熵模型计算频繁序列中全部特征项与频繁序列主题之间的关联度;对得到的关联度值采取加权求和操作,获得两个图书流通数据之间的关联规则,实现定期借阅图书流通数据关联规则检测。实验结果表明,所提方法能够快速、准确地对图书流通数据进行关联规则检测。
【部分图文】：

1)从3个数据集中随机选取500、1000、1500、2000个记录,分别作为测试数据集test1、test2、test3、test4,最小支持度设定为15%,不同数据关联规则检测方法运行时间如图1所示。2)关联规则检测的正确率和运行时间是评估数据关联规则检测方法性能的两个关键评价指标,在MATLAB平台下,采用10-折交叉验证法,对常用的FP-GROWTH方法和所提方法在3个训练数据集上的关联规则预测正确率进行对比。对比结果如表2所示。表2中,DS表示不同的数据集,MS表示最小支持度(%),NR表示规则数,单位为个,用g表示,DA表示检测正确率提升比(%)。
【相似文献】

相关期刊论文 前10条

1 孙启亮;牟超;孟瑶;;基于频繁序列挖掘的男女生上网模式差异研究[J];现代计算机(专业版);2017年17期

2 崔巍;安海忠;武森;;一种挖掘加权最大频繁序列的新算法[J];情报杂志;2009年10期

3 胡枫;金远平;;一种基于哈夫曼树的最大频繁序列挖掘算法[J];微电子学与计算机;2008年08期

4 谭小球;姚敏;顾沈明;;基于最大频繁序列模式树的个性化页面推荐[J];微电子学与计算机;2006年09期

5 卫锦花;吴陈;;基于最大频繁序列的蛋白质分类算法[J];江苏科技大学学报(自然科学版);2007年S1期

6 王芳;王培群;朱春节;;基于频繁序列挖掘的预取算法研究与实现[J];计算机研究与发展;2016年02期

7 王涛;;压缩频繁序列模式集[J];小型微型计算机系统;2008年03期

8 刘昆;;基于时间序列数据的紧密连续频繁序列挖掘算法[J];曲靖师范学院学报;2008年06期

9 王涛;卢炎生;;使用序列模式精简基挖掘序列模式[J];小型微型计算机系统;2005年10期

10 刘佳新;;基于频繁序列树的交互式序列模式挖掘算法[J];计算机技术与发展;2012年05期

相关硕士学位论文 前10条

1 李珊珊;基于频繁序列挖掘以及全局关联图的旅游景点推荐研究[D];山东科技大学;2018年

2 葛慧晗;基于频繁序列挖掘的银行风险用户检测的研究与实现[D];北京邮电大学;2019年

3 张皓;海量数据下基于层级树的频繁序列模式挖掘[D];哈尔滨工业大学;2018年

4 李健;基于Spark的频繁序列情节挖掘算法研究[D];西安电子科技大学;2018年

5 李长镜;基于极大频繁序列模式的文本分类方法[D];河北师范大学;2018年

6 熊凯;基于最小位置的频繁序列和闭序列挖掘方法研究[D];东北大学;2012年

7 何光辉;多层高维频繁序列挖掘算法研究[D];重庆大学;2004年

8 但红卫;基于偏序的频繁序列模式压缩算法研究[D];浙江大学;2007年

9 郭浩;曲靖师范学院图书流通管理系统的研究与分析[D];云南大学;2018年

10 王延武;云南经济管理职业学院图书流通控制管理信息系统的分析与设计[D];云南大学;2013年

本文编号：2858467