频繁子图挖掘算法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·研究现状 | 第10-12页 |
| ·研究意义 | 第12页 |
| ·研究内容 | 第12-13页 |
| ·本文结构 | 第13-15页 |
| 第2章 数据挖掘概述 | 第15-25页 |
| ·数据挖掘概述 | 第15-16页 |
| ·图的基础知识 | 第16-20页 |
| ·频繁子图挖掘 | 第20页 |
| ·频繁子图挖掘算法研究 | 第20-24页 |
| ·基于最小描述长度原则的近似频繁子图挖掘算法 | 第20-21页 |
| ·基于Apriori 算法的频繁子图挖掘算法 | 第21-23页 |
| ·基于模式增长的频繁子图挖掘算法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 一种新的频繁子图挖掘算法 | 第25-41页 |
| ·引言 | 第25-26页 |
| ·GAI 算法的基本思想 | 第26页 |
| ·构造图库索引结构MADI | 第26-29页 |
| ·频繁边集表 | 第26-28页 |
| ·图的ID 表 | 第28页 |
| ·图的信息列表 | 第28-29页 |
| ·图的表示形式 | 第29-30页 |
| ·候选子图的产生 | 第30-31页 |
| ·支持度计算 | 第31-32页 |
| ·候选子图存储表 | 第32-33页 |
| ·图同构的判定 | 第33-34页 |
| ·GAI 算法 | 第34-39页 |
| ·GAI 算法实例化 | 第36-38页 |
| ·GAI 算法所改进的地方 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第4章 基于GAI 算法的图聚类研究 | 第41-50页 |
| ·引言 | 第41-42页 |
| ·聚类算法研究 | 第42-44页 |
| ·DBSCAN 算法 | 第42页 |
| ·K- means 算法 | 第42-43页 |
| ·国内聚类的研究 | 第43-44页 |
| ·Kfk-means 算法 | 第44-48页 |
| ·原始 K- means 算法 | 第44-45页 |
| ·Kfk-means 算法 | 第45-47页 |
| ·Kfk-means 算法的流程 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第5章 实验及结果分析 | 第50-59页 |
| ·引言 | 第50页 |
| ·GAI 算法的实现与分析 | 第50-56页 |
| ·实验设置 | 第50页 |
| ·实际的数据集 | 第50-54页 |
| ·模拟的数据集 | 第54-56页 |
| ·Kfk-means 聚类算法的实现 | 第56-58页 |
| ·实验设置 | 第56页 |
| ·数据集 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第66-67页 |
| 致谢 | 第67-68页 |
| 作者简介 | 第68页 |
