基于约束的序列模式挖掘及其应用研究
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第17-27页 |
| 1.1 研究背景及意义 | 第17-19页 |
| 1.2 研究现状 | 第19-21页 |
| 1.2.1 基于Apriori算法 | 第19页 |
| 1.2.2 基于模式增长算法 | 第19-21页 |
| 1.3 研究内容 | 第21-22页 |
| 1.4 本文创新点 | 第22-24页 |
| 1.5 本文组织结构 | 第24-27页 |
| 第二章 闭合邻接序列模式挖掘 | 第27-55页 |
| 2.1 引言 | 第27-29页 |
| 2.2 概念及问题定义 | 第29-31页 |
| 2.3 CCSpan算法 | 第31-41页 |
| 2.3.1 算法概述 | 第32页 |
| 2.3.2 候选生成 | 第32-33页 |
| 2.3.3 搜索空间剪枝 | 第33-35页 |
| 2.3.4 模式闭合性检测 | 第35-36页 |
| 2.3.5 CCSpan算法 | 第36-38页 |
| 2.3.6 案例演示 | 第38-40页 |
| 2.3.7 复杂度分析 | 第40-41页 |
| 2.4 实验 | 第41-51页 |
| 2.4.1 实验环境及数据集 | 第41-42页 |
| 2.4.2 数据集产成器及设计思想 | 第42-44页 |
| 2.4.3 模式精简性 | 第44-46页 |
| 2.4.4 模式质量评估 | 第46-49页 |
| 2.4.5 效率分析 | 第49-50页 |
| 2.4.6 可扩展性 | 第50-51页 |
| 2.5 相关工作 | 第51-53页 |
| 2.6 本章小结 | 第53-55页 |
| 第三章 邻接序列生成器挖掘 | 第55-77页 |
| 3.1 引言 | 第55-56页 |
| 3.2 问题定义及等价类 | 第56-60页 |
| 3.2.1 相关概念 | 第57-58页 |
| 3.2.2 问题陈述 | 第58页 |
| 3.2.3 等价类方法 | 第58-60页 |
| 3.3 Con Sgen算法 | 第60-64页 |
| 3.4 实验评估 | 第64-75页 |
| 3.4.1 实验环境及数据集 | 第64-65页 |
| 3.4.2 有效性评估 | 第65-70页 |
| 3.4.3 效率评估 | 第70-72页 |
| 3.4.4 可扩展性评估 | 第72-75页 |
| 3.5 相关工作 | 第75-76页 |
| 3.6 本章小结 | 第76-77页 |
| 第四章 跨领域定义序列模式挖掘 | 第77-99页 |
| 4.1 引言 | 第77-78页 |
| 4.2 基于相似度的FIND-S算法 | 第78-87页 |
| 4.2.1 问题的提出及形式化 | 第78-81页 |
| 4.2.2 FIND-SS算法 | 第81-84页 |
| 4.2.3 样例形式化及算法应用 | 第84-87页 |
| 4.3 实验评估 | 第87-95页 |
| 4.3.1 实验建立 | 第87-88页 |
| 4.3.2 定义序列模式发现 | 第88-90页 |
| 4.3.3 序列模式的评估 | 第90-95页 |
| 4.4 相关工作 | 第95-96页 |
| 4.5 结论与讨论 | 第96-99页 |
| 第五章 基于定义序列模式与面向服务的本体学习 | 第99-107页 |
| 5.1 引言 | 第99-100页 |
| 5.2 面向服务的本体架构 | 第100-105页 |
| 5.2.1 基于定义序列模式的本体学习模型 | 第102-103页 |
| 5.2.2 数据结构设计 | 第103-105页 |
| 5.2.3 激励策略 | 第105页 |
| 5.3 实验结果 | 第105-106页 |
| 5.4 结论和讨论 | 第106-107页 |
| 第六章 总结与展望 | 第107-111页 |
| 6.1 本文总结 | 第107-108页 |
| 6.2 未来展望 | 第108-111页 |
| 参考文献 | 第111-125页 |
| 致谢 | 第125-127页 |
| 攻读博士学位期间发表的学术论文目录 | 第127页 |
