| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 研究内容 | 第11页 |
| 1.4 本文的组织结构 | 第11-13页 |
| 第二章 网络模体挖掘 | 第13-21页 |
| 2.1 预备知识 | 第13-15页 |
| 2.2 确定网络模体挖掘算法综述 | 第15-18页 |
| 2.2.1 子图搜索 | 第15-16页 |
| 2.2.1.1 非抽样法 | 第16页 |
| 2.2.1.2 抽样法 | 第16页 |
| 2.2.2 同构聚类 | 第16-17页 |
| 2.2.3 随机网络生成 | 第17页 |
| 2.2.4 模体统计意义 | 第17-18页 |
| 2.2.4.1 频度阈值 | 第17-18页 |
| 2.2.4.2 统计意义评价 | 第18页 |
| 2.3 不确定网络模体挖掘算法综述 | 第18-20页 |
| 2.3.1 确定网络概率模体算法 | 第19页 |
| 2.3.2 不确定网络概率模体算法 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 不确定网络频繁概率模式挖掘算法 | 第21-37页 |
| 3.1 不确定图概率同构定义 | 第21-26页 |
| 3.1.1 概率分布距离 | 第22-23页 |
| 3.1.2 基于Hellinger距离的不确定图概率同构 | 第23-25页 |
| 3.1.3 全局距离的改进 | 第25-26页 |
| 3.2 不确定图概率同构PVF2算法 | 第26-29页 |
| 3.3 不确定图频繁概率模式挖掘UNFPPM算法 | 第29-31页 |
| 3.3.1 基于划分的非树形概率子图搜索算法 | 第29页 |
| 3.3.2 分级概率图层级聚类算法 | 第29-31页 |
| 3.4 实验与分析 | 第31-36页 |
| 3.4.1 实验一：PVF2与PCS效率比较 | 第31-33页 |
| 3.4.2 实验二：PVF2与PCS距离比较 | 第33-34页 |
| 3.4.3 实验三：UNFPPM子图搜索结果验证 | 第34页 |
| 3.4.4 实验四：UNFPPM同构聚类结果验证 | 第34-35页 |
| 3.4.5 实验五：UNFPPM不确定网络频繁模式挖掘结果 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 概率模体统计意义评价算法 | 第37-52页 |
| 4.1 不确定随机网络概率子图估算模型 | 第37-38页 |
| 4.2 概率权值建模 | 第38-41页 |
| 4.2.1 有限混合模型参数估计 | 第38-41页 |
| 4.2.2 拟合优度检验 | 第41页 |
| 4.3 随机拓扑网络生成 | 第41-42页 |
| 4.4 概率模体统计意义评价SSPM算法 | 第42-43页 |
| 4.5 实验与分析 | 第43-51页 |
| 4.5.1 实验一：模拟概率分布建模 | 第43-46页 |
| 4.5.2 实验二：生物数据概率分布建模 | 第46-47页 |
| 4.5.3 实验三：生物数据与模拟数据拟合优化检验 | 第47-48页 |
| 4.5.4 实验四：概率模体挖掘结果验证 | 第48-49页 |
| 4.5.5 实验五：UNPMM与Emnm算法效率比较 | 第49-50页 |
| 4.5.6 实验六：UNPMM与Emnm算法挖掘结果比较 | 第50-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 本文总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录A 攻读硕士学位期间完成的论文 | 第59页 |
