| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-17页 |
| ·研究背景及意义 | 第13-15页 |
| ·数据挖掘分类 | 第13-14页 |
| ·高维数据分类 | 第14-15页 |
| ·研究内容 | 第15-16页 |
| ·本文的组织结构 | 第16-17页 |
| 第二章 数据分类概述 | 第17-24页 |
| ·分类的基本概念 | 第17页 |
| ·分类的基本技术 | 第17-21页 |
| ·基于决策树的分类 | 第18页 |
| ·贝叶斯分类 | 第18-19页 |
| ·K-最近邻分类 | 第19-20页 |
| ·关联规则分类 | 第20-21页 |
| ·其它的分类算法 | 第21页 |
| ·高维数据分类概述 | 第21-22页 |
| ·小结 | 第22-24页 |
| 第三章 EP 模式及 EP 模式分类概述 | 第24-33页 |
| ·引言 | 第24页 |
| ·EP 的基本概念 | 第24-25页 |
| ·EP 模式的特点 | 第25-26页 |
| ·强壮性 | 第25-26页 |
| ·潜在有效性 | 第26页 |
| ·可理解性 | 第26页 |
| ·时间性 | 第26页 |
| ·EP 挖掘 | 第26-29页 |
| ·ConsEPMiner 算法 | 第26-28页 |
| ·基于边界的挖掘算法 | 第28-29页 |
| ·基于 EP 模式的分类 | 第29-32页 |
| ·CAEP 算法 | 第29-31页 |
| ·JEP_Classifier 算法 | 第31页 |
| ·BCEP 算法 | 第31页 |
| ·ICAEP 算法 | 第31-32页 |
| ·小结 | 第32-33页 |
| 第四章 基于 lasso 的 EP 模式分类算法研究 | 第33-48页 |
| ·引言 | 第33-34页 |
| ·lasso 方法概述 | 第34-36页 |
| ·基于 lasso 的 EP 模式分类算法 | 第36-38页 |
| ·实验结果及分析 | 第38-46页 |
| ·实验数据 | 第38-39页 |
| ·LEPC 与基于规则分类算法的精度比较 | 第39-40页 |
| ·LEPC 与基于规则分类算法的规则数目和运行时间比较 | 第40-42页 |
| ·不同支持度阈值的敏感性分析 | 第42-45页 |
| ·LEPC 与其它经典分类器的精度比较 | 第45-46页 |
| ·小结 | 第46-48页 |
| 第五章 两种改进的 lasso 特征选择方法研究 | 第48-55页 |
| ·引言 | 第48-49页 |
| ·ELasso 特征选择(ELasso, Equipartition-type lasso) | 第49页 |
| ·ILasso 特征选择(ILasso, Iterative Lasso) | 第49-50页 |
| ·实验结果及分析 | 第50-54页 |
| ·实验数据 | 第50-51页 |
| ·小数据集上的实验结果及分析 | 第51-53页 |
| ·在高维数据集上的实验结果及分析 | 第53-54页 |
| ·小结 | 第54-55页 |
| 第六章 基于因果关系的 EP 模式分类算法研究 | 第55-67页 |
| ·引言 | 第55-56页 |
| ·因果关系概述 | 第56-58页 |
| ·基于因果关系的 EP 模式分类算法 | 第58-59页 |
| ·实验结果及分析 | 第59-66页 |
| ·实验数据 | 第59-61页 |
| ·CEPC 与关联规则和 EP 模式分类比较 | 第61-62页 |
| ·CEPC 与基于规则分类器的规则数目和运行时间比较 | 第62-63页 |
| ·不同支持度阈值的敏感性分析 | 第63-65页 |
| ·CEPC 与其它经典分类器的精度比较 | 第65-66页 |
| ·小结 | 第66-67页 |
| 第七章 结束语 | 第67-69页 |
| ·工作总结 | 第67-68页 |
| ·下一步工作展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间参加研究的课题和发表的论文 | 第73-74页 |
