频繁闭合项集挖掘算法及应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-18页 |
| 第1章 引言 | 第18-32页 |
| ·数据挖掘技术背景介绍 | 第18-22页 |
| ·数据挖掘简介 | 第18-19页 |
| ·数据挖掘的任务 | 第19-20页 |
| ·数据挖掘的过程与组件 | 第20-21页 |
| ·数据挖掘面临的挑战 | 第21-22页 |
| ·频繁项集挖掘的研究现状 | 第22-27页 |
| ·关联规则 | 第22-23页 |
| ·频繁项集挖掘 | 第23-24页 |
| ·最大频繁项集挖掘 | 第24-25页 |
| ·频繁闭合项集挖掘 | 第25-27页 |
| ·本文的工作及创新 | 第27-29页 |
| ·本文的组织 | 第29-32页 |
| 第2章 预备知识 | 第32-56页 |
| ·问题的形式化定义 | 第32-34页 |
| ·关联规则挖掘 | 第34-36页 |
| ·频繁项集挖掘 | 第36-38页 |
| ·频繁项集挖掘的形式化定义 | 第36页 |
| ·Apriori算法 | 第36-38页 |
| ·Apriori的算法的改进 | 第38页 |
| ·闭合频繁项集挖掘 | 第38-42页 |
| ·例程 | 第38-39页 |
| ·形式化定义 | 第39-42页 |
| ·晶格理论:统一的框架 | 第42-52页 |
| ·晶格理论基础 | 第42-44页 |
| ·频繁项集挖掘的晶格理论解释 | 第44-46页 |
| ·最大频繁项集挖掘的晶格理论解释 | 第46-47页 |
| ·频繁闭合项集挖掘的晶格理论解释 | 第47-52页 |
| ·实验数据集 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第3章 批量式算法:FCII | 第56-78页 |
| ·引言 | 第56-57页 |
| ·例程 | 第57-58页 |
| ·算法基础 | 第58-60页 |
| ·算法描述 | 第60-70页 |
| ·数据结构:CFI-Tree | 第60-62页 |
| ·搜索空间裁剪算法 | 第62-69页 |
| ·FCII伪码实现 | 第69-70页 |
| ·优化方法 | 第70-74页 |
| ·虚子节点 | 第70-74页 |
| ·其他优化方法 | 第74页 |
| ·计算复杂度分析 | 第74页 |
| ·列维度上的增量式算法 | 第74-75页 |
| ·性能测试 | 第75-77页 |
| ·本章小结 | 第77-78页 |
| 第4章 增量式算法:GC-Tree及其改进 | 第78-120页 |
| ·引言 | 第78-80页 |
| ·算法基础 | 第80-81页 |
| ·GC-TREE | 第81-95页 |
| ·算法概述 | 第81-83页 |
| ·在滑动窗口中加入一条事务 | 第83-89页 |
| ·从滑动窗口中删除一条事务 | 第89-95页 |
| ·GC-TREE改进算法 | 第95-103页 |
| ·GC-Tree时间复杂度分析 | 第95-96页 |
| ·改进算法描述 | 第96-99页 |
| ·例程 | 第99-102页 |
| ·改进算法的时间复杂度分析 | 第102-103页 |
| ·优化方法 | 第103-107页 |
| ·优化方法1 | 第104-106页 |
| ·优化方法2 | 第106-107页 |
| ·性能测试 | 第107-118页 |
| ·GC-Tree算法的性能测试 | 第107-108页 |
| ·GC-Tree改进算法的性能测试 | 第108-115页 |
| ·与批量式算法的性能比较 | 第115-117页 |
| ·GC-Tree的节点个数 | 第117-118页 |
| ·本章小节 | 第118-120页 |
| 第5章 近似算法:AFCIM | 第120-158页 |
| ·引言 | 第120-122页 |
| ·算法基础 | 第122-123页 |
| ·原始算法框架 | 第123-124页 |
| ·例程 | 第124-126页 |
| ·改进算法框架 | 第126-131页 |
| ·建立覆盖关系 | 第131-135页 |
| ·动态更新CFI-Tree | 第135-151页 |
| ·搜索空间裁剪策略 | 第136-138页 |
| ·更新CFI-Tree | 第138-140页 |
| ·优化方法 | 第140-143页 |
| ·例程 | 第143-151页 |
| ·实验 | 第151-155页 |
| ·性能 | 第152-154页 |
| ·质量 | 第154-155页 |
| ·压缩比 | 第155页 |
| ·本章小节 | 第155-158页 |
| 第6章 频繁闭合项集挖掘算法在推荐系统中的应用 | 第158-174页 |
| ·引言 | 第158-162页 |
| ·推荐系统的研究现状 | 第158-161页 |
| ·协同过滤推荐系统的缺陷 | 第161-162页 |
| ·l-pLSI推荐系统 | 第162-170页 |
| ·pLSI的推荐系统模型简介 | 第163-164页 |
| ·基本模型 | 第164-166页 |
| ·扩展模型 | 第166-170页 |
| ·实验 | 第170-172页 |
| ·本章小结 | 第172-174页 |
| 第7章 总结与展望 | 第174-178页 |
| ·总结 | 第174-176页 |
| ·未来工作展望 | 第176-178页 |
| 参考文献 | 第178-192页 |
| 攻读博士学位期间主要的研究成果 | 第192-194页 |
| 致谢 | 第194页 |
