| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 引言 | 第11-15页 |
| 1.1 基本概念及应用 | 第11-12页 |
| 1.1.1 子图全匹配的概念 | 第11页 |
| 1.1.2 子图全匹配的应用 | 第11页 |
| 1.1.3 不确定图的概念 | 第11-12页 |
| 1.2 研究背景 | 第12页 |
| 1.3 问题提出 | 第12-13页 |
| 1.4 本文贡献 | 第13-14页 |
| 1.5 本文结构 | 第14-15页 |
| 第2章 相关工作 | 第15-19页 |
| 2.1 面向确定图的子图匹配 | 第15-17页 |
| 2.1.1 确定图的准确匹配 | 第15-16页 |
| 2.1.2 确定图的相似性匹配 | 第16-17页 |
| 2.2 不确定图的挖掘与查询技术 | 第17-18页 |
| 2.3 面向不确定图的子图匹配技术 | 第18-19页 |
| 第3章 不确定图上确定图的子图相似性全匹配 | 第19-45页 |
| 3.1 问题定义 | 第19-22页 |
| 3.2 不确定图上确定图的子图相似性全匹配直接算法 | 第22-24页 |
| 3.3 不确定图上确定图的子图相似性全匹配算法 | 第24-29页 |
| 3.3.1 为顶点建立逆向索引 | 第25页 |
| 3.3.2 动态生成查询图的生成树 | 第25-27页 |
| 3.3.3 计算相似性匹配的概率 | 第27-29页 |
| 3.4 优化方法 | 第29-38页 |
| 3.4.1 顶点索引剪枝 | 第29-32页 |
| 3.4.2 转换计算模型 | 第32-33页 |
| 3.4.3 通过上层结果计算相似性概率 | 第33页 |
| 3.4.4 利用限值进行剪枝 | 第33-35页 |
| 3.4.5 算法总结 | 第35-38页 |
| 3.5 实验 | 第38-43页 |
| 3.5.1 数据集 | 第38-39页 |
| 3.5.2 算法的效率 | 第39-42页 |
| 3.5.3 算法的过滤能力 | 第42-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第4章 确定图上不确定图的子图相似性全匹配 | 第45-65页 |
| 4.1 问题定义 | 第45-46页 |
| 4.2 确定图上不确定图的子图相似性全匹配直接算法 | 第46-48页 |
| 4.3 确定图上不确定图的子图相似性全匹配算法 | 第48-53页 |
| 4.3.1 建立顶点的逆向索引 | 第48-49页 |
| 4.3.2 基于生成树的方式寻找相似性匹配 | 第49页 |
| 4.3.3 计算相似性匹配的概率 | 第49-53页 |
| 4.4 剪枝算法 | 第53-59页 |
| 4.4.1 转换计算模型 | 第53-54页 |
| 4.4.2 依靠概率剪枝 | 第54-55页 |
| 4.4.3 动态匹配及建立逆向索引 | 第55-57页 |
| 4.4.4 算法总结 | 第57-59页 |
| 4.5 实验 | 第59-63页 |
| 4.5.1 算法的效率 | 第60-62页 |
| 4.5.2 算法的过滤能力 | 第62-63页 |
| 4.6 本章小结 | 第63-65页 |
| 第5章 不确定图上不确定图的子图相似性全匹配 | 第65-81页 |
| 5.1 问题定义 | 第65-66页 |
| 5.2 不确定图上不确定图的子图相似性全匹配直接方法 | 第66-67页 |
| 5.3 不确定图上不确定图的子图相似性全匹配算法 | 第67-69页 |
| 5.3.1 为顶点建立逆向索引 | 第68-69页 |
| 5.3.2 动态生成查询图的生成树 | 第69页 |
| 5.3.3 计算相似性匹配的概率 | 第69页 |
| 5.4 剪枝算法 | 第69-75页 |
| 5.4.1 转换相似性概率计算模型 | 第69-70页 |
| 5.4.2 已有剪枝算法 | 第70-72页 |
| 5.4.3 利用子路径进行剪枝 | 第72-73页 |
| 5.4.4 算法详细过程总述 | 第73-75页 |
| 5.5 实验部分 | 第75-79页 |
| 5.5.1 算法的效率 | 第76-78页 |
| 5.5.2 算法的过滤能力 | 第78-79页 |
| 5.6 本章小结 | 第79-81页 |
| 第6章 结论 | 第81-83页 |
| 6.1 本文主要贡献与结论 | 第81页 |
| 6.2 进一步的工作 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87-89页 |
| 攻读硕士学位期间的项目情况 | 第89页 |
