电子商务环境中分布式数据挖掘的研究PDF电子书下载

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 8

第三节本书主要研究内容 9

第四节本书主要研究成果 10

第五节本书的组织结构 12

第二章数据挖掘、Web服务与Agent技术 14

第一节电子商务分析 14

一、电子商务的概念 14

二、电子商务系统的构成 15

三、电子商务的主要模式 16

四、电子商务的发展阶段 19

五、电子商务发展的现状 20

六、电子商务环境的特征 20

七、电子商务应用集成的不足 22

第二节数据挖掘技术 26

一、数据挖掘的功能 26

二、数据挖掘方法 28

三、数据挖掘的分类 36

四、数据挖掘的过程 37

五、数据准备问题 39

六、模式评价方法 40

第三节数据挖掘算法 42

一、数据挖掘算法的组成 42

二、数据挖掘算法综述 43

第四节分布式数据挖掘 47

一、分布式数据挖掘定义 47

二、分布式数据挖掘的特点 49

三、分布式数据挖掘策略 50

第五节电子商务环境与数据挖掘 51

一、电子商务环境中挖掘数据分类 51

二、电子商务环境中数据挖掘的优势 52

三、电子商务环境中分布式数据挖掘的特点 52

第六节服务与面向服务的分布计算 53

第七节Web服务技术 55

一、Web服务的基本概念 57

二、WebServices核心技术 60

三、Web服务组合 63

四、P2P环境中的Web服务 73

五、Web服务和网格计算 74

六、利用Web服务进行电子商务集成的优点 75

第八节移动Agent技术 76

一、软件Agent的定义及特性*7 7

二、移动Agent概述 79

三、移动Agent技术与其他分布式计算技术的比较 83

四、移动Agent的应用领域 84

五、移动Agent技术应用于电子商务的优势 85

第九节本章小结 86

第三章基于P2P的K最近邻自适应搜索算法的研究 87

第一节问题提出 87

第二节KNNs简介 88

第三节相关研究 90

一、度量空间 90

二、相似性度量 91

三、GHT*规则 92

第四节P2PAKNNS算法 93

一、高维数据的相似度函数HDSF（X，Y） 93

二、GHT*中插入和范围查找算法 94

三、搜索算法 96

四、实验分析 101

第五节本章小结 103

第四章基于距离和密度的无监督聚类算法的研究 104

第一节问题提出 104

第二节聚类简介 105

一、概述 105

二、数据挖掘对聚类算法的要求 106

三、相似性度量方法 107

四、聚类的质心、半径、直径 108

第三节DENCLUE算法分析 109

第四节KNDC聚类算法 110

一、分析 110

二、模糊簇的划分 111

三、参数k的讨论 113

四、参数σ和ξ的估计 114

五、KNDC算法描述 115

第五节本章小结 117

第五章电子商务环境下关联规则算法的研究 118

第一节问题提出 118

第二节关联规则算法分析 119

一、基本概念 119

二、Apriori关联规则算法 120

三、多重最小支持度Apriori算法 122

四、相关支持度Apriori算法 123

五、平均项目集分割法 126

第三节RSAA-BOUIGA关联规则算法 127

一、无向项集图UISG的构造 127

二、BOUIGA算法 128

三、RSAA-BOUIGA算法 129

第四节双阈值法 131

第五节本章小结 133

第六章电子商务环境中分布式数据挖掘架构研究 134

第一节问题提出 134

第二节分布式数据挖掘系统分析 135

第三节BWADM研究 136

第四节服务组合规范与执行 141

第五节BWADM关键组件研究 143

一、数据预处理组件 143

二、算法管理组件 147

三、控制中心组件 148

四、算法库组件 149

五、模型表示组件 149

第六节BWADM原型 150

一、数据挖掘系统实现方案 150

二、原型系统的数据流程图 151

三、系统模块设计与实现 152

第七节原型系统的运行实例 164

一、数据源信息和结果数据库信息设定 164

二、数据预处理设定 164

三、挖掘任务设定 165

四、挖掘结果 166

第八节系统架构的优点 167

第九节本章小结 168

第七章电子商务推荐系统研究 169

第一节问题提出 169

第二节电子商务推荐系统简介 170

一、信息检索和信息过滤 171

二、电子商务推荐系统模型简介 174

三、传统推荐算法简介 181

四、基于数据挖掘的电子商务推荐系统 190

第三节电子商务推荐系统关键算法研究 192

一、基于PPAKNNS的协同过滤推荐算法 192

二、基于KNDC的协同过滤推荐算法 195

第四节基于BWADM的隐式评分推荐系统研究 198

一、BP学习算法简介 200

二、系统结构 202

三、项档案的建立 203

四、用户档案的建立 204

五、协同过滤推荐的产生 211

六、面向推荐结果的自动谈判协商 211

第五节本章小结 217

第八章基于BWADM的电子商务推荐系统设计与实现 218

第一节简介 218

第二节BDBRS功能结构图 220

第三节BDBRS原型系统的体系结构 222

第四节BDBRS的设计与实现 224

一、数据库设计 224

二、BDBRS系统部分模块设计介绍 227

第五节本章小结 230

第九章全书总结 231

一、研究工作总结 231

二、进一步的研究工作 232

参考文献 234