基于高平均效用的模式挖掘算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的与意义 | 第10-11页 |
| 1.3 相关研究现状 | 第11-16页 |
| 1.3.1 频繁项集挖掘 | 第11-12页 |
| 1.3.2 高效用项集挖掘 | 第12-14页 |
| 1.3.3 高平均效用项集挖掘 | 第14-15页 |
| 1.3.4 研究现状总结 | 第15-16页 |
| 1.4 具体研究内容和主要贡献 | 第16-17页 |
| 1.4.1 基于增量式数据集的高平均效用项集挖掘 | 第16页 |
| 1.4.2 基于优化上限模型的高平均效用项集挖掘 | 第16-17页 |
| 1.4.3 基于多阈值的高平均效用项集挖掘 | 第17页 |
| 1.5 本文的组织结构 | 第17-19页 |
| 第2章 基于增量数据集的高平均效用项集挖掘 | 第19-36页 |
| 2.1 预备知识和问题定义 | 第19-21页 |
| 2.1.1 预备知识 | 第19-21页 |
| 2.1.2 问题定义 | 第21页 |
| 2.2 模式树和快速更新准则 | 第21-24页 |
| 2.3 增量式挖掘算法 | 第24-26页 |
| 2.4 算法运行示例 | 第26-28页 |
| 2.5 实验结果和分析 | 第28-34页 |
| 2.5.1 实验设置和数据集介绍 | 第28-29页 |
| 2.5.2 运行时间 | 第29-30页 |
| 2.5.3 内存消耗 | 第30-32页 |
| 2.5.4 候选集数量 | 第32-33页 |
| 2.5.5 可扩展性 | 第33-34页 |
| 2.6 本章小结 | 第34-36页 |
| 第3章 基于优化上限模型的高平均效用项集挖掘 | 第36-54页 |
| 3.1 预备知识和问题定义 | 第36页 |
| 3.2 优化上限模型和剪枝策略 | 第36-45页 |
| 3.2.1 两个优化的上限模型 | 第37-41页 |
| 3.2.2 剪枝策略和算法 | 第41-45页 |
| 3.3 算法运行示例 | 第45-47页 |
| 3.4 实验结果与分析 | 第47-53页 |
| 3.4.1 实验设置和数据集介绍 | 第47-48页 |
| 3.4.2 运行时间 | 第48-49页 |
| 3.4.3 内存消耗 | 第49-51页 |
| 3.4.4 合并操作数量 | 第51-52页 |
| 3.4.5 可扩展性 | 第52-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第4章 基于多阈值的高平均效用项集挖掘 | 第54-76页 |
| 4.1 预备知识和问题定义 | 第54-56页 |
| 4.1.1 预备知识 | 第55页 |
| 4.1.2 问题定义 | 第55-56页 |
| 4.2 策略和算法 | 第56-65页 |
| 4.2.1 排序树和上限模型 | 第56-60页 |
| 4.2.2 剪枝策略和算法 | 第60-65页 |
| 4.3 算法运行示例 | 第65-67页 |
| 4.4 实验结果与分析 | 第67-75页 |
| 4.4.1 实验设置和数据集介绍 | 第67-68页 |
| 4.4.2 运行时间 | 第68-70页 |
| 4.4.3 内存消耗 | 第70-71页 |
| 4.4.4 候选集数量 | 第71-73页 |
| 4.4.5 可扩展性 | 第73-74页 |
| 4.4.6 剪枝策略性能比较 | 第74-75页 |
| 4.5 本章小结 | 第75-76页 |
| 结论 | 第76-78页 |
| 参考文献 | 第78-85页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第85-87页 |
| 致谢 | 第87页 |
