首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

异质过程数据集成与修复

摘要第3-4页
abstract第4-5页
第1章 绪论第9-19页
    1.1 研究背景与意义第9-12页
    1.2 研究难点第12-13页
    1.3 研究现状第13-16页
        1.3.1 获取事件日志中的结构信息第13页
        1.3.2 获取事件日志中的事件模式第13页
        1.3.3 事件匹配方法第13-14页
        1.3.4 缺失事件恢复方法第14-16页
    1.4 研究内容与贡献第16-17页
    1.5 论文组织结构第17-19页
第2章 异质事件相似度评估算法第19-46页
    2.1 引言第19-23页
    2.2 事件相似度计算概述第23-25页
    2.3 异质事件相似度第25-32页
        2.3.1 结构相似度函数第26页
        2.3.2 迭代计算第26-28页
        2.3.3 收敛性第28-29页
        2.3.4 剪枝与优化第29-30页
        2.3.5 相似度估算第30-31页
        2.3.6 相似度算法第31-32页
    2.4 复杂事件匹配第32-37页
        2.4.1 启发式算法第33-34页
        2.4.2 探究不变的相似度第34-35页
        2.4.3 通过相似度上界剪枝第35-37页
    2.5 实验评估第37-45页
        2.5.1 实现细节与实验设置第38-39页
        2.5.2 匹配简单事件的结果评估第39-43页
        2.5.3 匹配复杂事件的结果评估第43-45页
    2.6 小结第45-46页
第3章 基于标准距离的异质事件数据匹配方法第46-72页
    3.1 引言第46-50页
    3.2 事件匹配问题第50-53页
        3.2.1 透明事件匹配第50-52页
        3.2.2 基于事件模式的事件匹配第52-53页
    3.3 通用的事件匹配框架第53-58页
        3.3.1 A* 搜索概述第54-56页
        3.3.2 高效计算标准距离G第56-57页
        3.3.3 H值上界的简单估计第57-58页
    3.4 更精确的上界估计第58-63页
        3.4.1 通过顶点频率估算上界第58-59页
        3.4.2 通过边频率估算上界第59-63页
        3.4.3 将各种上界结合第63页
    3.5 Pay-As-You-Go匹配第63-65页
        3.5.1 旧匹配结果依然最优的情况第64页
        3.5.2 增量式计算第64-65页
    3.6 计算Top-K匹配方案第65-66页
    3.7 实验评估第66-71页
        3.7.1 实现细节与实验设置第66-67页
        3.7.2 关于准确率的实验结果评估第67-68页
        3.7.3 关于效率的实验结果评估第68页
        3.7.4 关于pay-as-you-go式匹配的实验结果评估第68-69页
        3.7.5 关于人工数据集的实验结果评估第69-70页
        3.7.6 关于top-k扩展的实验结果评估第70-71页
    3.8 小结第71-72页
第4章 缺失事件数据的高效恢复方法第72-103页
    4.1 引言第72-75页
    4.2 问题描述第75-78页
        4.2.1 预备知识第75-77页
        4.2.2 问题定义第77-78页
    4.3 基于Causal网的缺失事件恢复第78-82页
    4.4 分支框架第82-90页
        4.4.1 分支索引第84-86页
        4.4.2 对分支剪枝第86-88页
        4.4.3 局部最优性第88-90页
    4.5 在带循环网上的扩展第90-94页
    4.6 寻找Top-k恢复结果第94页
    4.7 实验评估第94-101页
        4.7.1 实现细节与实验设置第95-97页
        4.7.2 在模型为causal网的数据集上的实验结果评估第97页
        4.7.3 在模型含有选择结构的数据集上的实验结果评估第97-98页
        4.7.4 在模型含有循环结构的数据集上的实验结果评估第98页
        4.7.5 在人工数据集上的实验结果评估第98-100页
        4.7.6 关于top-k扩展的实验结果评估第100-101页
    4.8 小结第101-103页
第5章 总结与展望第103-106页
    5.1 本文总结第103-104页
    5.2 未来工作展望第104-106页
参考文献第106-110页
致谢第110-112页
个人简历、在学期间发表的学术论文与研究成果第112-113页

论文共113页,点击 下载论文
上一篇:通过注意偏向训练来提高自闭症儿童的视觉社会关注—一项新干预手段探索
下一篇:当代汉语第二人称小说研究