| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的 | 第11-14页 |
| 1.3 本文的研究内容和主要贡献 | 第14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第2章 相关研究工作 | 第16-30页 |
| 2.1 聚类分析技术 | 第16-23页 |
| 2.1.1 常用距离度量方法 | 第16-17页 |
| 2.1.2 基于距离的聚类算法 | 第17-20页 |
| 2.1.3 基于模式的聚类算法 | 第20-23页 |
| 2.2 分类分析技术 | 第23-27页 |
| 2.2.1 传统的分类算法 | 第23-25页 |
| 2.2.2 基于关联规则的分类算法 | 第25-27页 |
| 2.3 序列数据挖掘技术 | 第27-29页 |
| 2.3.1 序列模式挖掘算法 | 第27-28页 |
| 2.3.2 闭序列模式挖掘算法 | 第28-29页 |
| 2.3.3 生成元模式挖掘算法 | 第29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于序投影距离的无监督表型和诊断基因发现算法 | 第30-50页 |
| 3.1 研究现状及存在问题 | 第30-32页 |
| 3.1.1 研究现状 | 第30-31页 |
| 3.1.2 存在的问题 | 第31-32页 |
| 3.2 基本概念和问题定义 | 第32-34页 |
| 3.2.1 基本概念 | 第32-34页 |
| 3.2.2 问题定义 | 第34页 |
| 3.3 高效挖掘最大区分能力的子序列 | 第34-43页 |
| 3.3.1 预处理 | 第34-36页 |
| 3.3.2 平凡子序列削减 | 第36-39页 |
| 3.3.3 削减策略 | 第39-42页 |
| 3.3.4 MSMD算法 | 第42-43页 |
| 3.4 基于最大区分能力子序列的聚类 | 第43-44页 |
| 3.5 实验测试与结果分析 | 第44-49页 |
| 3.5.1 实验数据集 | 第44-45页 |
| 3.5.2 算法的效率 | 第45-47页 |
| 3.5.3 算法的有效性 | 第47-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第4章 基于TOP-K覆盖不可约对比序列规则的诊断基因模式发现算法 | 第50-66页 |
| 4.1 研究的意义及现状 | 第50-52页 |
| 4.1.1 研究意义 | 第50页 |
| 4.1.2 研究现状 | 第50-52页 |
| 4.2 基本概念和问题定义 | 第52-55页 |
| 4.2.1 基本概念 | 第52-55页 |
| 4.2.2 问题定义 | 第55页 |
| 4.3 诊断基因模式发现算法 | 第55-61页 |
| 4.3.1 MineTopkIRs算法 | 第56-58页 |
| 4.3.2 削减策略 | 第58-59页 |
| 4.3.3 算法实现 | 第59-61页 |
| 4.4 实验 | 第61-65页 |
| 4.4.1 实验数据集 | 第61页 |
| 4.4.2 算法的效率 | 第61-64页 |
| 4.4.3 算法的有效性 | 第64-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第5章 结束语 | 第66-68页 |
| 5.1 总结 | 第66-67页 |
| 5.2 未来展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 攻读硕士期间发表的论文及参与的项目 | 第74页 |