基于分层采样的DeepWeb数据分析方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 研究现状与动机 | 第11-14页 |
| 1.2.1 研究现状 | 第11-14页 |
| 1.2.2 研究动机 | 第14页 |
| 1.3 本文的研究内容 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第二章 相关理论研究 | 第17-28页 |
| 2.1 Deep Web随机采样 | 第17-22页 |
| 2.1.1 问题定义 | 第18-19页 |
| 2.1.2 随机游走查询树 | 第19-20页 |
| 2.1.3 基于Count信息的无偏采样 | 第20-22页 |
| 2.2 Deep Web总量估计 | 第22-27页 |
| 2.2.1 主要思想 | 第22-25页 |
| 2.2.2 权值调整 | 第25-26页 |
| 2.2.3 划分法 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 Deep Web聚类 | 第28-45页 |
| 3.1 引言 | 第28-29页 |
| 3.2 分层数据源 | 第29-33页 |
| 3.2.1 主要思想 | 第30-31页 |
| 3.2.2 避免过分层 | 第31-32页 |
| 3.2.3 分层流程 | 第32-33页 |
| 3.3 聚类算法流程 | 第33-39页 |
| 3.3.1 代表性采样 | 第33-35页 |
| 3.3.2 分层层次聚类 | 第35-36页 |
| 3.3.3 临界点采样 | 第36-37页 |
| 3.3.4 算法步骤 | 第37-39页 |
| 3.4 实验 | 第39-44页 |
| 3.4.1 实验数据集及设置 | 第39-40页 |
| 3.4.2 评估标准 | 第40页 |
| 3.4.3 实验结果及分析 | 第40-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 Deep Web异常点检测 | 第45-60页 |
| 4.1 引言 | 第45-46页 |
| 4.2 基于距离的异常点 | 第46页 |
| 4.3 优化分层 | 第46-48页 |
| 4.3.1 分层指标 | 第47页 |
| 4.3.2 避免过分层 | 第47-48页 |
| 4.4 异常点检测流程 | 第48-53页 |
| 4.4.1 邻近采样 | 第49-50页 |
| 4.4.2 不确定性采样 | 第50-52页 |
| 4.4.3 算法步骤 | 第52-53页 |
| 4.5 实验 | 第53-58页 |
| 4.5.1 实验数据集及设置 | 第53-54页 |
| 4.5.2 评估标准 | 第54-55页 |
| 4.5.3 实验结果及分析 | 第55-58页 |
| 4.6 本章小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 研究工作总结 | 第60-61页 |
| 5.2 下一步工作展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间公开发表的论文与参与的科研项目 | 第67-68页 |
| 致谢 | 第68-69页 |
