树模式挖掘及其在树流分类中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 1 绪论 | 第10-14页 |
| ·研究背景和意义 | 第10-11页 |
| ·树挖掘研究进展 | 第11-12页 |
| ·论文研究工作概述 | 第12-13页 |
| ·论文组织结构 | 第13-14页 |
| 2 树流挖掘及相关技术概述 | 第14-25页 |
| ·树流表示 | 第14-15页 |
| ·频繁树模式挖掘 | 第15-18页 |
| ·频繁树模式挖掘的主要方法论 | 第15-16页 |
| ·闭和最大频繁树模式 | 第16-18页 |
| ·树流分类方法 | 第18-20页 |
| ·代价敏感分类模型 | 第20-22页 |
| ·代价敏感正确率 | 第20-21页 |
| ·剪枝策略 | 第21-22页 |
| ·训练过程 | 第22页 |
| ·概念漂移的处理 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 3 类相关的模式挖掘 | 第25-31页 |
| ·相关系数 | 第25-26页 |
| ·相关性模式 | 第26-27页 |
| ·相关模式挖掘 | 第27-30页 |
| ·上界 | 第27-28页 |
| ·度量函数 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 4 基于k-best树模式的树流分类算法 | 第31-42页 |
| ·基本概念 | 第31-32页 |
| ·SP-tree | 第32-35页 |
| ·关联度量发现k-best树模式 | 第35-38页 |
| ·卡方度量 | 第35-36页 |
| ·优化卡方度量的上界 | 第36-38页 |
| ·TSC算法 | 第38-40页 |
| ·算法思想 | 第38页 |
| ·训练阶段 | 第38-39页 |
| ·预测阶段 | 第39-40页 |
| ·一对多树流分类模型 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 5 实验结果及分析 | 第42-47页 |
| ·数据集 | 第42页 |
| ·合成数据集 | 第42页 |
| ·真实数据集 | 第42页 |
| ·k值的设置对算法精度的影响 | 第42-44页 |
| ·树分类算法的精度比较 | 第44-45页 |
| ·TSC算法的有效性验证 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 6 总结与展望 | 第47-48页 |
| ·总结 | 第47页 |
| ·展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 个人简历 在学期间发表的学术论文与研究成果 | 第52-53页 |
| 致谢 | 第53页 |
