| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 论文内容及创新点 | 第16-17页 |
| 1.4 论文结构安排 | 第17-20页 |
| 第二章 序列模式相关定义及关联规则挖掘算法概述 | 第20-26页 |
| 2.1 基本概念 | 第20-23页 |
| 2.1.1 频繁序列及兴趣度度量 | 第20-21页 |
| 2.1.2 滑动窗口 | 第21-22页 |
| 2.1.3 序列周期模式 | 第22-23页 |
| 2.2 频繁模式挖掘与关联规则产生 | 第23-25页 |
| 2.2.1 Apriori算法 | 第23-24页 |
| 2.2.2 FP-growth算法 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于序列树的频繁序列挖掘、存储及匹配策略研究 | 第26-44页 |
| 3.1 基站序列周期性分析 | 第26-29页 |
| 3.2 频繁序列挖掘及存储 | 第29-33页 |
| 3.2.1 滑动窗口挖掘候选序列 | 第29-31页 |
| 3.2.2 最小支持度阈值选择 | 第31页 |
| 3.2.3 构建序列树存储模式 | 第31-33页 |
| 3.3 基于序列树的频繁模式匹配与预测 | 第33-36页 |
| 3.3.1 基于序列树的模式匹配 | 第33-35页 |
| 3.3.2 基于预测的模式选择策略分析 | 第35-36页 |
| 3.4 选取合适模型参数 | 第36-39页 |
| 3.5 算法性能对比分析 | 第39-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第四章 基于基站聚类的周期频繁序列挖掘、存储与预测 | 第44-58页 |
| 4.1 构建基站聚类 | 第44-48页 |
| 4.1.1 基站序列相关性分析 | 第44-45页 |
| 4.1.2 模式距离度量及相似性搜索 | 第45-47页 |
| 4.1.3 基站聚类 | 第47-48页 |
| 4.2 周期性频繁模式挖掘和存储策略 | 第48-52页 |
| 4.2.1 频繁模式的周期阈值设置分析 | 第48-51页 |
| 4.2.2 构建周期频繁序列树 | 第51-52页 |
| 4.3 基于基站聚类的业务量预测 | 第52-53页 |
| 4.4 数据结果分析 | 第53-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 总结 | 第58-62页 |
| 5.1 研究总结 | 第58-59页 |
| 5.2 工作展望 | 第59-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 攻读硕士期间发表的学术论文 | 第68页 |