Day-by-Day行為數(shù)據(jù)挖掘算法的研究和實現(xiàn).pdf

1、隨著信息化技術的迅猛發(fā)展，人們的行為越來越多地被記錄在相關計算機系統(tǒng)中。例如，證券交易系統(tǒng)，信用卡消費系統(tǒng)和醫(yī)療保障系統(tǒng)等等。由于人們?nèi)諒鸵蝗?Day-by-Day)的生活節(jié)奏，很多計算機系統(tǒng)的數(shù)據(jù)記錄也是日復一日的進行，因此這種每人每天的行為數(shù)據(jù)我們就稱之為Day-by-Day行為數(shù)據(jù)集。通過挖掘Day-by-Day行為數(shù)據(jù)集，能夠揭示人們的各種行為方式、現(xiàn)象和規(guī)律。
　　本文研究Day-by-Day行為數(shù)據(jù)集上的數(shù)據(jù)挖掘問題，

2、重點解決數(shù)據(jù)對象的相似性計算問題，數(shù)據(jù)集上的特異群組挖掘以及聚類問題?；趧討B(tài)規(guī)劃的策略，本文提出一種發(fā)現(xiàn)有日期間隔的共同行為模式的方法，并設計了一個分段指數(shù)函數(shù)來處理相似性度量問題。在解決相似性問題的基礎上，本文提出了基于圖的方法來挖掘Day-by-Day行為數(shù)據(jù)集上的特異群組，并設計了一個相應的圖的稀疏化算法，用以加速特異群組挖掘過程。通過實驗和現(xiàn)有的Day-by-Day相似性算法、特異群組挖掘算法進行比較，驗證了提出的G-PGM算