基于ILP的多关系分类算法的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·多关系数据挖掘的产生与发展历程 | 第11-12页 |
| ·ILP 的产生与发展历程 | 第12-14页 |
| ·国内外研究现状 | 第14页 |
| ·研究前景 | 第14-16页 |
| ·课题来源及本文主要内容 | 第16-17页 |
| ·课题来源 | 第16页 |
| ·立论目的和意义 | 第16-17页 |
| ·本文研究的主要内容 | 第17页 |
| ·论文结构 | 第17-18页 |
| 第2章 多关系分类 | 第18-26页 |
| ·引言 | 第18页 |
| ·决策数分类算法 | 第18-23页 |
| ·多关系决策树学习算法 | 第19-20页 |
| ·多关系决策树学习算法MRDTL-2 | 第20-22页 |
| ·一个例子 | 第22-23页 |
| ·规则分类算法 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于ILP 的多关系分类算法 | 第26-34页 |
| ·引言 | 第26页 |
| ·ILP 的问题背景描述 | 第26-30页 |
| ·ILP 的一般问题背景 | 第26-27页 |
| ·预测型ILP 的问题背景 | 第27页 |
| ·ILP 子句 | 第27-29页 |
| ·一个ILP 例子 | 第29-30页 |
| ·ILP 分类算法 | 第30-32页 |
| ·典型的ILP 分类算法—FOIL | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第4章 改进的ILP 多关系分类算法 | 第34-48页 |
| ·引言 | 第34页 |
| ·混合采样技术 | 第34-36页 |
| ·交叉挖掘 | 第36-42页 |
| ·元组ID 传播 | 第36-37页 |
| ·寻找最佳谓词 | 第37-40页 |
| ·交叉挖掘算法 | 第40-42页 |
| ·剪枝技术 | 第42页 |
| ·改进的ILP 多关系分类算法 | 第42-46页 |
| ·算法精度测量标准分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 算法性能测试 | 第48-58页 |
| ·引言 | 第48页 |
| ·综合数据库 | 第48-51页 |
| ·综合数据库的产生 | 第48-49页 |
| ·实验结果与分析 | 第49-51页 |
| ·真实数据库 | 第51-57页 |
| ·真实数据库的产生 | 第51-52页 |
| ·实验结果与分析 | 第52-57页 |
| ·本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间所发表的学术论文 | 第63-64页 |
| 致谢 | 第64页 |
