| 致谢 | 第9-10页 |
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第18-22页 |
| 1.1 研究背景及意义 | 第18-19页 |
| 1.2 本文的研究问题及主要内容 | 第19-20页 |
| 1.3 本文的组织结构 | 第20-22页 |
| 第二章 领域知识综述 | 第22-29页 |
| 2.1 领域知识的定义 | 第22-23页 |
| 2.2 领域知识在数据挖掘中的作用 | 第23页 |
| 2.3 领域知识的国内外研究现状 | 第23-28页 |
| 2.4 小结 | 第28-29页 |
| 第三章 关系型领域知识模型 | 第29-36页 |
| 3.1 关系型领域知识模型(DKMRM) | 第29-34页 |
| 3.1.1 单一关系型领域知识的表示模型研究 | 第30-32页 |
| 3.1.2 复杂关系型领域知识模型研究 | 第32-34页 |
| 3.2 基于DKMRM模型的变换讨论 | 第34-35页 |
| 3.3 小结 | 第35-36页 |
| 第四章 面向分类的关系型领域知识融合方法的框架和关键问题 | 第36-52页 |
| 4.1 多关系数据挖掘 | 第36-41页 |
| 4.1.1 多关系的数据挖掘研究现状 | 第37-40页 |
| 4.1.2 存在的问题 | 第40-41页 |
| 4.2 面向分类的领域知识融合方法框架及关键问题 | 第41-51页 |
| 4.2.1 面向分类的领域知识融合方法框架 | 第41-42页 |
| 4.2.2 元组ID传递 | 第42-47页 |
| 4.2.3 传递类标签 | 第47-48页 |
| 4.2.4 搜索关系的路径 | 第48-50页 |
| 4.2.5 领域知识(属性/表)选择 | 第50-51页 |
| 4.2.6 搜索关系的终止条件 | 第51页 |
| 4.3 小结 | 第51-52页 |
| 第五章 面向分类的关系型领域知识融合算法 | 第52-68页 |
| 5.1 基于属性选择的CC-DKMR算法 | 第52-53页 |
| 5.2 CC-DKMR实验结果与分析 | 第53-58页 |
| 5.2.1 性质属性分析实验 | 第54-55页 |
| 5.2.2 阈值设定 | 第55-56页 |
| 5.2.3 分类性能比较 | 第56-58页 |
| 5.3 基于表选择的CS-DKMR算法 | 第58-62页 |
| 5.3.1 CS-DKMR算法描述 | 第58-59页 |
| 5.3.2 基于最大信息增益率的多关系表的优化剪枝 | 第59-60页 |
| 5.3.3 基于贡献度的关系表的选择 | 第60-61页 |
| 5.3.4 多关系朴素贝叶斯分类 | 第61-62页 |
| 5.4 CS-DKMR实验结果与分析 | 第62-65页 |
| 5.4.1 数据离散化对比 | 第62-63页 |
| 5.4.2 阈值设定 | 第63-64页 |
| 5.4.3 数据规模对比 | 第64页 |
| 5.4.4 分类性能比较 | 第64-65页 |
| 5.5 CC-DKMR与CS-DKMR的算法比较 | 第65页 |
| 5.6 小结 | 第65-68页 |
| 第六章 数据挖掘评测阶段的领域知识融合及应用 | 第68-90页 |
| 6.1 数据挖掘评测阶段研究现状与分析 | 第68-70页 |
| 6.2 蜕变测试的基本概念 | 第70-72页 |
| 6.2.1 蜕变测试基本概念和原理 | 第70-71页 |
| 6.2.2 蜕变测试过程 | 第71-72页 |
| 6.2.3 蜕变测试结果的理论分析 | 第72页 |
| 6.3 基于蜕变关系的领域知识融合方法 | 第72-79页 |
| 6.3.1 方法描述 | 第72页 |
| 6.3.2 领域知识导入—构造蜕变关系 | 第72-78页 |
| 6.3.3 面向数据挖掘的蜕变测试结果初步说明 | 第78-79页 |
| 6.4 实验结果及分析 | 第79-89页 |
| 6.4.1 评测平台Weka | 第79页 |
| 6.4.2 实验数据准备 | 第79-80页 |
| 6.4.3 实验结果及分析 | 第80-89页 |
| 6.4.4 方法普适性初步分析 | 第89页 |
| 6.5 小结 | 第89-90页 |
| 第七章 结束语 | 第90-92页 |
| 7.1 主要研究工作 | 第90页 |
| 7.2 下一步工作 | 第90-92页 |
| 参考文献 | 第92-102页 |
| 攻读博士学位期间的学术活动及成果情况 | 第102-104页 |