首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

分布式环境下约束性关联规则的挖掘算法研究与实现

第一章 绪论第1-13页
 1.1 引言第9页
 1.2 数据挖掘概述第9-10页
  1.2.1 数据挖掘的定义第9-10页
  1.2.2 数据挖掘技术第10页
 1.3 数据挖掘研究面临的问题第10-11页
 1.4 论文工作第11-12页
 1.5 论文组织第12-13页
第二章 关联规则描述第13-22页
 2.1 引言第13页
 2.2 关联规则的基本概念第13页
 2.3 典型的关联规则挖掘算法简介第13-17页
  2.3.1 Apriori算法第13-14页
  2.3.2 Apriori算法的改进算法第14-16页
  2.3.3 FP-growth算法第16-17页
  2.3.4 Eclat算法第17页
 2.4 基于约束的关联规则挖掘算法第17-19页
 2.5 并行及分布式关联规则挖掘算法第19-21页
 2.6 本章小结第21-22页
第三章 分布式挖掘项约束的关联规则第22-39页
 3.1 引言第22页
 3.2 问题描述第22-23页
 3.3 分布式挖掘项约束关联规则算法—DMAIC算法第23-27页
  3.3.1 相关技术第23-24页
  3.3.2 DMAIC算法描述第24-26页
  3.3.3 实例第26页
  3.3.4 DMAIC算法通信性能讨论第26-27页
 3.4 分布式挖掘项约束关联规则算法—DAMICFP算法第27-32页
  3.4.1 压缩事务数据库第27-28页
  3.4.2 产生频繁模式第28-30页
  3.4.3 DAMICFP算法描述第30-31页
  3.4.4 实例第31-32页
 3.5 测试数据源第32-35页
  3.5.1 设计原理第32-33页
  3.5.2 问题描述第33页
  3.5.3 算法描述第33-35页
  3.5.4 测试数据集示例第35页
 3.6 算法性能分析第35-38页
 3.7 本章小结第38-39页
第四章 基于Eclat算法的多种约束关联规则挖掘算法第39-51页
 4.1 引言第39页
 4.2 问题描述第39-43页
  4.2.1 约束条件分析第40-41页
  4.2.2 Eclat算法介绍第41-43页
 4.3 基于Eclat算法的多种约束关联规则挖掘算法实现第43-47页
  4.3.1 EclatA:反单调约束关联规则挖掘算法第43-44页
  4.3.2 EclatM:单调约束关联规则挖掘算法第44-46页
  4.3.3 EclatS:简洁性约束关联规则挖掘算法第46-47页
  4.3.4 EclatCA(EclatCM):可转变反单调(单调)约束关联规则挖掘算法第47页
 4.4 实验结果第47-50页
 4.5 本章小结第50-51页
第五章 基于抽样的分布式约束性关联规则挖掘算法第51-64页
 5.1 引言第51页
 5.2 相关概念与算法描述第51-53页
 5.3 基于抽样的分布式约束关联规则挖掘算法实现第53-58页
  5.3.1 数据结构第53-54页
  5.3.2 抽样完备性分析第54-56页
  5.3.3 归纳学习第56-57页
  5.3.4 DMCASE算法描述第57-58页
 5.4 实例分析及实验结果第58-63页
  5.4.1 实例分析第58-60页
  5.4.2 实验结果第60-62页
  5.4.3 算法性能分析第62-63页
 5.5 本章小结第63-64页
第六章 项约束关联规则在生物信息学中的应用第64-72页
 6.1 引言第64-65页
 6.2 关联规则在基因表达谱数据中的应用第65-66页
 6.3 ICFP算法描述第66-69页
  6.3.1 数据预处理第66-67页
  6.3.2 压缩基因表达谱数据第67-68页
  6.3.3 产生满足项约束条件的关联规则第68-69页
 6.4 实验结果第69-71页
 6.5 本章小结第71-72页
第七章 总结与展望第72-74页
参考文献第74-79页
致谢第79-80页
攻读学位期间主要的研究成果第80页

论文共80页,点击 下载论文
上一篇:老祖宗不能丢--邓小平关于学习马列理论的思想
下一篇:独立审计声誉研究