| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景及研究意义 | 第12-15页 |
| 1.1.1 研究背景 | 第12-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 本文的主要工作 | 第15-16页 |
| 1.3 本文的组织结构 | 第16-17页 |
| 第2章 相关工作 | 第17-28页 |
| 2.1 对比序列模式基本概念 | 第17-21页 |
| 2.1.1 基于支持度的显露子序列 | 第18-19页 |
| 2.1.2 Occurrence-based显露子序列 | 第19-20页 |
| 2.1.3 其他类型的对比序列模式 | 第20-21页 |
| 2.2 对比序列模式的挖掘算法 | 第21-24页 |
| 2.2.1 基于字典树的挖掘算法 | 第21-22页 |
| 2.2.2 基于广义后缀树的挖掘算法 | 第22-24页 |
| 2.2.3 其他挖掘算法 | 第24页 |
| 2.3 对比序列模式的应用 | 第24-25页 |
| 2.4 迁移学习概述 | 第25-26页 |
| 2.5 共享知识挖掘 | 第26页 |
| 2.6 小结 | 第26-28页 |
| 第3章 基于Shared GS-Tree的共享显露序列挖掘算法 | 第28-46页 |
| 3.1 引言 | 第28-29页 |
| 3.2 相关概念和性质 | 第29-32页 |
| 3.2.1 相似度衡量方法 | 第29-30页 |
| 3.2.2 共享显露序列的基本概念 | 第30页 |
| 3.2.3 Shared GS-Tree | 第30页 |
| 3.2.4 主要的剪枝策略 | 第30-32页 |
| 3.3 基于Shared GS-Tree的挖掘算法 | 第32-35页 |
| 3.3.1 算法思想 | 第32页 |
| 3.3.2 构建Shared GS-Tree | 第32-33页 |
| 3.3.3 挖掘共享显露序列 | 第33-35页 |
| 3.4 挖掘算法实验 | 第35-40页 |
| 3.4.1 实验环境 | 第35-36页 |
| 3.4.2 剪枝策略实验结果分析 | 第36-39页 |
| 3.4.3 挖掘算法实验结果分析 | 第39-40页 |
| 3.5 负迁移分析实验 | 第40-42页 |
| 3.5.1 基于SE Ss的负迁移分析 | 第40-41页 |
| 3.5.2 实验环境 | 第41页 |
| 3.5.3 实验结果分析 | 第41-42页 |
| 3.6 协同分类实验 | 第42-44页 |
| 3.6.1 基于SE Ss的协同分类 | 第42-43页 |
| 3.6.2 实验环境 | 第43页 |
| 3.6.3 实验结果分析 | 第43-44页 |
| 3.7 小结 | 第44-46页 |
| 第4章 基于聚合SE Ss的数据集相似性衡量算法 | 第46-55页 |
| 4.1 引言 | 第46页 |
| 4.2 基于聚合SE Ss的数据集相似性衡量算法 | 第46-51页 |
| 4.2.1 基本思想 | 第46-47页 |
| 4.2.2 SE Ss聚合贡献公式的导出 | 第47-50页 |
| 4.2.3 衡量数据集相似性 | 第50-51页 |
| 4.3 实验结果及分析 | 第51-54页 |
| 4.3.1 实验环境 | 第51-52页 |
| 4.3.2 实验结果分析 | 第52-54页 |
| 4.4 小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 附录A (攻读学位期间所发表的学术论文目录) | 第63-64页 |
| 附录B (攻读学位期间所参与的科研活动) | 第64页 |
