抽样技术在数据挖掘中的应用研究
| 第一章 数据库知识发现 | 第1-22页 |
| ·引言 | 第12页 |
| ·数据库知识发现 | 第12-15页 |
| ·KDD的定义和处理过程 | 第12-14页 |
| ·KDD的特性 | 第14-15页 |
| ·数据挖掘 | 第15-20页 |
| ·数据挖掘的定义 | 第15页 |
| ·数据挖掘的对象 | 第15-16页 |
| ·数据挖掘的功能 | 第16-17页 |
| ·数据挖掘的方法 | 第17-19页 |
| ·数据挖掘的发展方向 | 第19页 |
| ·抽样技术在数据挖掘中的应用 | 第19-20页 |
| ·本文的内容组织 | 第20-21页 |
| ·小结 | 第21-22页 |
| 第二章 数据挖掘中的抽样技术 | 第22-29页 |
| ·引言 | 第22页 |
| ·抽样的基本概念和术语 | 第22页 |
| ·统计学中常用的抽样策略 | 第22-23页 |
| ·数据挖掘中的抽样技术 | 第23-28页 |
| ·抽样在数掘挖掘中的作用 | 第23页 |
| ·数据挖掘中的抽样技术与统计学中的抽样技术的比较 | 第23-25页 |
| ·数据挖掘中常用的抽样策略 | 第25-26页 |
| ·抽样在数据挖掘中应用的研究现状 | 第26-28页 |
| ·小结 | 第28-29页 |
| 第三章 数据驱动确定样本容量 | 第29-32页 |
| ·引言 | 第29页 |
| ·样本质量 | 第29-30页 |
| ·统计最优样本数 | 第30-31页 |
| ·样本容量与挖掘结果准确性的关系 | 第30-31页 |
| ·最优统计样本数 | 第31页 |
| ·小结 | 第31-32页 |
| 第四章 面向分类规则提取的分层抽样算法 | 第32-40页 |
| ·引言 | 第32页 |
| ·数据挖掘分类算法研究现状 | 第32-34页 |
| ·决策树分类 | 第32-33页 |
| ·神经网络分类算法 | 第33-34页 |
| ·贝叶斯分类算法 | 第34页 |
| ·抽样在大规模分类中的应用 | 第34-35页 |
| ·面向分类规则提取的分层抽样算法 | 第35-39页 |
| ·分层抽样简介 | 第35页 |
| ·分层抽样中划分标准 | 第35-37页 |
| ·基于分类的分层抽样算法 | 第37页 |
| ·实验及其结论 | 第37-39页 |
| ·小结 | 第39-40页 |
| 第五章 面向频繁项集挖掘的加权抽样算法 | 第40-48页 |
| ·引言 | 第40页 |
| ·关联规则简介 | 第40-43页 |
| ·基本概念 | 第40-41页 |
| ·关联规则的种类 | 第41-42页 |
| ·关联规则挖掘算法研究现状 | 第42-43页 |
| ·抽样在关联规则中的应用 | 第43页 |
| ·一种面向频繁项集挖掘的加权抽样算法 | 第43-46页 |
| ·事务加权 | 第44-45页 |
| ·样本中最小支持数的估算 | 第45页 |
| ·面向频繁项集挖掘的加权抽样算法 | 第45-46页 |
| ·实验结果和分析 | 第46页 |
| ·小结 | 第46-48页 |
| 第六章 基于抽样技术的网格聚类算法 | 第48-55页 |
| ·引言 | 第48页 |
| ·聚类分析简介 | 第48-51页 |
| ·基本概念 | 第48-49页 |
| ·聚类算法的研究现状 | 第49-51页 |
| ·抽样在聚类分析中的应用 | 第51页 |
| ·基于随机抽样的网格聚类算法 | 第51-54页 |
| ·基于随机抽样划分空间 | 第52-53页 |
| ·基于网格聚类算法的几点改进 | 第53-54页 |
| ·实验结果和分析 | 第54页 |
| ·小结 | 第54-55页 |
| 第七章 结束语 | 第55-58页 |
| 主要的工作 | 第56-57页 |
| 下一步研究的工作 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间参与的课题和发表的论文 | 第61页 |
