简介：本文首先研究了基本的面向属性归纳,提出了从网站用户登录信息中挖掘用户特征规则的思路.问题从解决多属性归纳着手,特点是首先建立概念树,然后用条件属性组合与约束的方法进行挖掘.实验表明,本文设计的模型能客观地描述客户行为,为从Web信息挖掘客户特征规则提出了一条有效的途径.
简介：针对股票时间序列的特点，从离群点对股票时序数据有序性的影响角度出发，在界定分形离群点含义的基础上，利用分形理论将离群模式挖掘理解为一个优化分割问题。采用推广G—P（Grassberger-Procaccia）算法计算股票时间序列数据集的多重分形广义维数，并利用贪婪算法的思想设计了FT-Greedy算法来求解基于分形理论的时间序列离群模式挖掘优化问题的解集。实验证明，该方法能有效地解决股票时间序列离群模式挖掘问题。
网站用户登录信息挖掘特征规则
基于分形理论的股票时序数据离群模式挖掘研究
