| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第12-32页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-30页 |
| 1.2.1 海量数据存储 | 第13-16页 |
| 1.2.2 重复数据删除 | 第16-20页 |
| 1.2.3 数据挖掘 | 第20-23页 |
| 1.2.4 多视角聚类 | 第23-26页 |
| 1.2.5 关联规则挖掘 | 第26-30页 |
| 1.3 主要研究内容 | 第30页 |
| 1.4 论文组织结构 | 第30-32页 |
| 第2章 基于自适应优化和K-MEANS的重复数据删除方法 | 第32-61页 |
| 2.1 引言 | 第32-33页 |
| 2.2 数据预处理方法 | 第33-36页 |
| 2.2.1 数据质量 | 第33-34页 |
| 2.2.2 数据预处理方法 | 第34-36页 |
| 2.3 海量数据存储 | 第36-38页 |
| 2.4 重复数据删除技术 | 第38-43页 |
| 2.4.1 数据压缩 | 第38-39页 |
| 2.4.2 增量备份 | 第39-41页 |
| 2.4.3 重复数据删除 | 第41-42页 |
| 2.4.4 技术比较 | 第42-43页 |
| 2.5 基于自适应优化和K-Means的重复数据删除方法 | 第43-55页 |
| 2.5.1 数据分块 | 第43-44页 |
| 2.5.2 基于一致性哈希算法和Bloom Filter结构的索引搜索方法 | 第44-50页 |
| 2.5.3 自适应的数据选择分块方法 | 第50-52页 |
| 2.5.4 基于K-Means的重复数据删除算法 | 第52-55页 |
| 2.6 实验结果及分析 | 第55-60页 |
| 2.7 本章小结 | 第60-61页 |
| 第3章 基于特征加权和非负矩阵分解的多视角聚类算法 | 第61-83页 |
| 3.1 引言 | 第61-62页 |
| 3.2 基于矩阵分解的聚类算法 | 第62-64页 |
| 3.3 非负矩阵分解 | 第64-71页 |
| 3.3.1 半监督非负矩阵分解 | 第65-67页 |
| 3.3.2 非负矩阵分解算法 | 第67-68页 |
| 3.3.3 非负矩阵分解的乘法法则 | 第68-70页 |
| 3.3.4 非负矩阵分解的投影梯度下降法 | 第70-71页 |
| 3.4 算法模型建立 | 第71-72页 |
| 3.5 迭代更新规则 | 第72-76页 |
| 3.5.1 迭代更新(t)W | 第73页 |
| 3.5.2 迭代更新(t)U | 第73-74页 |
| 3.5.3 迭代更新(t)V | 第74-75页 |
| 3.5.4 迭代更新*V | 第75-76页 |
| 3.6 收敛性分析 | 第76-78页 |
| 3.7 时间复杂度分析 | 第78页 |
| 3.8 实验结果及分析 | 第78-82页 |
| 3.8.1 数据集介绍 | 第78-79页 |
| 3.8.2 实验对比分析 | 第79-80页 |
| 3.8.3 参数分析 | 第80页 |
| 3.8.4 收敛性和运行时间分析 | 第80-82页 |
| 3.9 本章小结 | 第82-83页 |
| 第4章 基于粒子群优化的关联规则挖掘算法 | 第83-99页 |
| 4.1 引言 | 第83页 |
| 4.2 关联规则 | 第83-87页 |
| 4.2.1 关联规则基础知识简介 | 第84-85页 |
| 4.2.2 关联规则挖掘过程 | 第85页 |
| 4.2.3 关联规则挖掘算法研究 | 第85-87页 |
| 4.3 粒子群算法 | 第87-91页 |
| 4.3.1 粒子群算法基本思想 | 第87-88页 |
| 4.3.2 粒子群算法迭代过程 | 第88-89页 |
| 4.3.3 粒子群算法基本流程与应用 | 第89-91页 |
| 4.4 基于粒子群优化的关联规则挖掘算法 | 第91-94页 |
| 4.4.1 数据预处理 | 第92-93页 |
| 4.4.2 算法描述 | 第93-94页 |
| 4.5 实验结果及分析 | 第94-98页 |
| 4.5.1 数据集处理 | 第94-95页 |
| 4.5.2 实验平台 | 第95页 |
| 4.5.3 实验结果对比分析 | 第95-98页 |
| 4.6 本章小结 | 第98-99页 |
| 结论 | 第99-101页 |
| 参考文献 | 第101-112页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第112-113页 |
| 致谢 | 第113-114页 |
| 个人简历 | 第114页 |
