基于压缩数据库的数据挖掘算法的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题来源及研究的背景和意义 | 第10-12页 |
| 1.1.1 课题来源 | 第10页 |
| 1.1.2 研究的背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 数据库压缩算法 | 第12-13页 |
| 1.2.2 关联规则挖掘 | 第13-14页 |
| 1.2.3 聚类挖掘 | 第14-15页 |
| 1.3 本文的主要研究内容 | 第15-16页 |
| 1.4 本文内容安排 | 第16-17页 |
| 第2章 基于BLOCK的数据库压缩算法 | 第17-30页 |
| 2.1 引言 | 第17-19页 |
| 2.2 数据预处理 | 第19-22页 |
| 2.2.1 问题定义 | 第20页 |
| 2.2.2 属性域排序 | 第20-21页 |
| 2.2.3 数据元组排序 | 第21页 |
| 2.2.4 属性域映射 | 第21-22页 |
| 2.3 压缩算法 | 第22-26页 |
| 2.3.1 Block划分 | 第22-23页 |
| 2.3.2 数据压缩 | 第23-24页 |
| 2.3.3 解压缩过程 | 第24-25页 |
| 2.3.4 压缩比计算 | 第25-26页 |
| 2.4 实验结果及分析 | 第26-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 压缩数据库上关联规则挖掘 | 第30-46页 |
| 3.1 引言 | 第30页 |
| 3.2 问题描述 | 第30-35页 |
| 3.2.1 量化关联规则 | 第30-33页 |
| 3.2.2 量化属性定义 | 第33-34页 |
| 3.2.3 问题分解 | 第34-35页 |
| 3.3 量化属性区间划分 | 第35-37页 |
| 3.3.1 部分完全度 | 第35-36页 |
| 3.3.2 区间划分 | 第36-37页 |
| 3.4 CAPRIORI算法 | 第37-42页 |
| 3.4.1 数据库压缩 | 第37-38页 |
| 3.4.2 CApriori算法描述 | 第38-41页 |
| 3.4.3 CApriori算法分析 | 第41-42页 |
| 3.5 实验结果及分析 | 第42-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 压缩数据库上聚类挖掘 | 第46-55页 |
| 4.1 引言 | 第46-47页 |
| 4.2 聚类问题描述 | 第47-49页 |
| 4.2.1 距离度量 | 第47-48页 |
| 4.2.2 评价标准度量 | 第48-49页 |
| 4.3 C-KMEANS算法 | 第49-52页 |
| 4.3.1 算法介绍 | 第49-52页 |
| 4.3.2 算法分析 | 第52页 |
| 4.4 实验结果及分析 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 基于垂直数据布局的压缩方法 | 第55-65页 |
| 5.1 引言 | 第55-56页 |
| 5.2 问题描述 | 第56-58页 |
| 5.2.1 事务数据格式 | 第56-57页 |
| 5.2.2 垂直数据关联规则挖掘 | 第57-58页 |
| 5.3 CONVTV压缩算法 | 第58-61页 |
| 5.3.1 CONVTV数据格式 | 第58-60页 |
| 5.3.2 CONVTV算法介绍 | 第60-61页 |
| 5.4 实验结果及分析 | 第61-63页 |
| 5.5 本章小结 | 第63-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72页 |
