基于度的半监督聚类算法及其在集装箱港口出口箱量短期预测中的应用
| 引言 | 第1-14页 |
| ·数据挖掘的兴起 | 第10-11页 |
| ·国内外研究分析 | 第11-12页 |
| ·数据挖掘技术存在的问题 | 第12-13页 |
| ·本文所做的工作 | 第13-14页 |
| 第一章 数据挖掘概述 | 第14-24页 |
| ·数据挖掘过程模型 | 第14-16页 |
| ·Fayyad过程模型 | 第14-15页 |
| ·CRISP-DM过程模型 | 第15-16页 |
| ·数据挖掘功能 | 第16-18页 |
| ·数据挖掘对象 | 第18-20页 |
| ·数据挖掘常用方法 | 第20-22页 |
| ·数据挖掘应用 | 第22-24页 |
| 第二章 数据挖掘的基本知识 | 第24-33页 |
| ·数据对象间的距离 | 第24-26页 |
| ·K-Means聚类算法 | 第26-27页 |
| ·数据对象间的关联限制 | 第27-29页 |
| ·数据对象间的硬关联 | 第27-28页 |
| ·数据对象间的软关联 | 第28-29页 |
| ·隐马尔可夫模型定义和相关算法 | 第29-33页 |
| ·马尔可夫链 | 第29-30页 |
| ·隐马尔可夫模型 | 第30-31页 |
| ·Baum-Welch算法 | 第31-33页 |
| 第三章 基于度的半监督聚类算法 | 第33-47页 |
| ·半监督聚类概率模型 | 第34-38页 |
| ·隐马尔可夫随机域 | 第34-36页 |
| ·HMRFs最大后验估计 | 第36页 |
| ·聚类目标函数 | 第36-38页 |
| ·传统算法分析 | 第38-40页 |
| ·基于度的半监督聚类算法 | 第40-42页 |
| ·概念定义 | 第40页 |
| ·SCUD算法 | 第40-42页 |
| ·实验结果分析 | 第42-46页 |
| ·数据集 | 第42页 |
| ·结果评价方式 | 第42-43页 |
| ·实验结果 | 第43-46页 |
| ·小结 | 第46-47页 |
| 第四章 集装箱港口出口箱量短期预测 | 第47-62页 |
| ·背景知识 | 第47-50页 |
| ·集装箱港口箱量预测概述 | 第47页 |
| ·集装箱港口箱量预测分类 | 第47-48页 |
| ·集装箱港口出口箱量短期预测 | 第48-50页 |
| ·基于ARMA模型预测方法分析 | 第50-55页 |
| ·ARMA模型定义 | 第50-51页 |
| ·ARMA模型的识别 | 第51-52页 |
| ·ARMA模型的建立 | 第52页 |
| ·基于ARMA模型预测方法分析 | 第52-55页 |
| ·两步预测框架 | 第55-57页 |
| ·基于SCUD半监督聚类的预测算法 | 第57-59页 |
| ·实验结果分析 | 第59-61页 |
| ·数据集 | 第59页 |
| ·结果评价方式 | 第59页 |
| ·实验结果 | 第59-61页 |
| ·小结 | 第61-62页 |
| 第五章 结束语 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·进一步的研究方向 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录: 攻读硕士学位期间发表的论文 | 第68-69页 |
| 致谢 | 第69页 |
