基于数据依赖的高维大数据相似性度量方法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 课题任务 | 第14-15页 |
| 1.4 研究生期间完成的工作 | 第15-16页 |
| 1.5 论文结构 | 第16-18页 |
| 第二章 相似性度量及其相关方法研究综述 | 第18-28页 |
| 2.1 常见的相似性度量方法 | 第18-22页 |
| 2.1.1 距离度量方法 | 第19-21页 |
| 2.1.2 相似系数度量方法 | 第21-22页 |
| 2.2 高维数据相似性度量方法 | 第22-24页 |
| 2.2.1 基于几何的相似性度量 | 第23页 |
| 2.2.2 基于属性的相似性度量 | 第23-24页 |
| 2.2.3 基于分布的相似性度量 | 第24页 |
| 2.3 高维数据相似性度量方法比较 | 第24-25页 |
| 2.4 基于数据依赖的高维数据相似性度量方法 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于属性选择的数据依赖相似性度量算法 | 第28-42页 |
| 3.1 区间划分方法 | 第28-29页 |
| 3.1.1 区间划分 | 第28页 |
| 3.1.2 相关方法及问题 | 第28-29页 |
| 3.2 算法相关 | 第29-33页 |
| 3.2.1 粗糙集 | 第30-31页 |
| 3.2.2 数据准备 | 第31-32页 |
| 3.2.3 属性重要性 | 第32-33页 |
| 3.3 算法描述 | 第33-35页 |
| 3.3.1 算法定义 | 第33-34页 |
| 3.3.2 算法设计 | 第34-35页 |
| 3.4 仿真实验及分析 | 第35-41页 |
| 3.4.1 实验环境及实验数据 | 第37-38页 |
| 3.4.2 实验度量指标 | 第38-39页 |
| 3.4.3 实验结果分析 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于概念层次树的数据依赖相似性度量算法 | 第42-56页 |
| 4.1 分类型数据相似性度量 | 第42-44页 |
| 4.1.1 分类型数据 | 第42页 |
| 4.1.2 相关方法及问题 | 第42-44页 |
| 4.2 算法相关 | 第44-47页 |
| 4.2.1 概念层次树 | 第44-45页 |
| 4.2.2 度量方法 | 第45-47页 |
| 4.3 算法描述 | 第47-50页 |
| 4.3.1 算法定义 | 第47-49页 |
| 4.3.2 算法设计 | 第49-50页 |
| 4.4 仿真实验及分析 | 第50-54页 |
| 4.4.1 实验环境及实验数据集 | 第51-52页 |
| 4.4.2 实验度量指标 | 第52-53页 |
| 4.4.3 实验结果分析 | 第53-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 论文总结 | 第56页 |
| 5.2 进一步的研究工作 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表的学术论文目录 | 第64页 |
