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 |