时间序列的聚类和关联规则挖掘研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-17页 |
| ·选题背景 | 第8-9页 |
| ·国内外研究现状 | 第9-14页 |
| ·聚类问题的研究进展 | 第10-12页 |
| ·关联规则挖掘现状 | 第12-13页 |
| ·数据挖掘的应用 | 第13-14页 |
| ·本文的主要研究内容 | 第14-15页 |
| ·本文的组织 | 第15-17页 |
| 2 数据挖掘与复杂网络 | 第17-31页 |
| ·数据挖掘概述 | 第17页 |
| ·聚类 | 第17-23页 |
| ·经典的聚类方法 | 第17-22页 |
| ·聚类的应用 | 第22-23页 |
| ·关联规则挖掘 | 第23-26页 |
| ·关联规则挖掘的经典算法——Apriori 算法 | 第23-25页 |
| ·关联规则的应用研究 | 第25-26页 |
| ·复杂网络 | 第26-31页 |
| ·复杂网络中的社团结构 | 第26-27页 |
| ·复杂网络社团发现算法 | 第27-31页 |
| 3 基于Normal 矩阵的时间序列聚类 | 第31-37页 |
| ·相关理论 | 第31-32页 |
| ·算法实现步骤 | 第32-33页 |
| ·实验结果 | 第33-36页 |
| ·小结 | 第36-37页 |
| 4 基于背景的加权关联规则挖掘方法 | 第37-47页 |
| ·问题描述 | 第37-40页 |
| ·背景和段 | 第39页 |
| ·度量规则的标准 | 第39-40页 |
| ·算法实现步骤 | 第40-41页 |
| ·实验结果 | 第41-46页 |
| ·小结 | 第46-47页 |
| 5 结论 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 攻读硕士学位期间发表学术论文情况 | 第52-53页 |
| 致谢 | 第53页 |