基于数据流的Top-K频繁闭项集挖掘算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景和意义 | 第9-10页 |
| ·研究现状 | 第10-12页 |
| ·相关问题 | 第12-14页 |
| ·频繁项集中项集的表示方式 | 第12-13页 |
| ·数据流的窗口模型 | 第13页 |
| ·数据流频繁闭项集支持度计数方法 | 第13-14页 |
| ·本文研究的主要内容 | 第14页 |
| ·本章小结 | 第14-15页 |
| 第2章 传统数据挖掘和数据流中的数据挖掘 | 第15-24页 |
| ·传统数据挖掘 | 第15-16页 |
| ·数据挖掘的起源 | 第15页 |
| ·数据挖掘的任务 | 第15-16页 |
| ·数据挖掘的广泛应用 | 第16页 |
| ·关联分析之频繁模式挖掘 | 第16-17页 |
| ·数据流中的数据挖掘 | 第17-23页 |
| ·数据流及其特点 | 第17页 |
| ·数据流的处理技术 | 第17-21页 |
| ·数据流中的数据挖掘方法 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 频繁项集的挖掘算法的概述 | 第24-37页 |
| ·频繁项集相关概念 | 第24-25页 |
| ·数据流中的频繁集挖掘方法 | 第25-32页 |
| ·滑动窗口的基本描述 | 第26-27页 |
| ·Moment 算法的基本描述 | 第27-30页 |
| ·Fp-stream 算法的基本描述 | 第30-32页 |
| ·挖掘 top-k 频繁项集 | 第32-35页 |
| ·TKC-DS 算法描述 | 第32-35页 |
| ·本章小节 | 第35-37页 |
| 第4章 数据流中top-k 闭项集的挖掘 | 第37-52页 |
| ·问题提出 | 第37页 |
| ·问题分析 | 第37-40页 |
| ·基本衰减滑动窗口 | 第38-39页 |
| ·支持度改进方法 | 第39-40页 |
| ·候选项集产生以及剪枝 | 第40页 |
| ·Top-K 频繁闭项集挖掘 | 第40-51页 |
| ·基本概念 | 第40-44页 |
| ·候选项集的生成 | 第44-45页 |
| ·删除一个老事务 | 第45-48页 |
| ·添加一个新事务 | 第48-49页 |
| ·频繁闭项集的输出 | 第49-50页 |
| ·Top-k- FCI 算法的完整表示 | 第50-51页 |
| ·本章小节 | 第51-52页 |
| 第5章 实验结果与性能评估 | 第52-55页 |
| ·实验背景 | 第52页 |
| ·实验结果 | 第52-55页 |
| ·算法的时空复杂度分析 | 第52页 |
| ·算法执行时间的可伸缩性 | 第52-54页 |
| ·算法输出结果的比较 | 第54-55页 |
| 总结与展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间发表论文情况 | 第62页 |
| 参与的科研项目 | 第62页 |
