一种高效的不确定图数据库上频繁子图模式挖掘算法
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题来源及研究的目的和意义 | 第10-12页 |
| 1.2 国内外在该方向的研究现状及分析 | 第12-17页 |
| 1.2.1 确定图数据集 | 第12-16页 |
| 1.2.2 不确定图数据集 | 第16-17页 |
| 1.3 论文研究内容及章节安排 | 第17-20页 |
| 第2章 数据模型与问题定义 | 第20-25页 |
| 2.1 相关数据模型的定义 | 第20-22页 |
| 2.2 子图频繁性语义 | 第22-23页 |
| 2.3 问题定义 | 第23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 MUSE 算法 | 第25-31页 |
| 3.1 算法概述 | 第25-26页 |
| 3.2 近似计算期望支持度 | 第26-29页 |
| 3.2.1 确定算法 | 第26-27页 |
| 3.2.2 近似算法 | 第27-28页 |
| 3.2.3 期望支持度近似区间算法 | 第28-29页 |
| 3.3 MUSE 算法的伪代码 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 加权 MUSE 算法 | 第31-35页 |
| 4.1 算法概述 | 第31页 |
| 4.2 实验结果 | 第31-33页 |
| 4.3 本章小结 | 第33-35页 |
| 第5章 不确定图上的 UG 索引 | 第35-59页 |
| 5.1 UG 索引 | 第35-39页 |
| 5.1.1 边索引 | 第35-37页 |
| 5.1.2 连通性索引 | 第37-39页 |
| 5.1.3 UG 索引小结 | 第39页 |
| 5.2 频繁子图模式挖掘算法：MUSIC | 第39-46页 |
| 5.2.1 枚举候选子图模式 | 第40-41页 |
| 5.2.2 计算期望支持度 | 第41-44页 |
| 5.2.3 优化策略 | 第44-45页 |
| 5.2.4 MUSIC 算法小结 | 第45-46页 |
| 5.3 实验分析算法性能 | 第46-57页 |
| 5.3.1 实验数据集介绍 | 第47-48页 |
| 5.3.2 实验结果分析 | 第48-55页 |
| 5.3.3 实验结果小结 | 第55-57页 |
| 5.4 本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 攻读学位期间发表的学术论文 | 第64-66页 |
| 致谢 | 第66页 |
