首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

融合领域知识的关联规则知识发现研究

摘要第4-5页
Abstract第5-6页
1 绪论第10-18页
    1.1 研究背景及意义第10-11页
        1.1.1 研究背景第10-11页
        1.1.2 研究意义第11页
    1.2 研究综述第11-15页
        1.2.1 关联规则算法相关研究第12-13页
        1.2.2 关联规则质量改善研究第13-14页
        1.2.3 既有研究评述第14-15页
    1.3 主要研究内容及技术路线第15-17页
        1.3.1 研究的主要内容第15-16页
        1.3.2 技术路线第16-17页
    1.4 论文的创新点第17-18页
2 相关概念界定及理论基础第18-33页
    2.1 知识发现第18-20页
        2.1.1 知识发现概念辨析第18页
        2.1.2 知识发现的过程第18-19页
        2.1.3 知识发现的任务第19页
        2.1.4 知识发现的方法第19-20页
    2.2 领域知识第20-22页
        2.2.1 领域知识的定义第21页
        2.2.2 领域知识的来源第21-22页
        2.2.3 领域知识在知识发现中的应用第22页
    2.3 关联规则Apriori算法概述第22-28页
        2.3.1 关联规则第22-23页
        2.3.2 关联规则基本概念第23-24页
        2.3.3 Apriori算法的基本思路及步骤第24-26页
        2.3.4 Apriori算法实例第26-28页
    2.4 聚类第28-33页
        2.4.1 聚类的概念第28页
        2.4.2 距离度量第28-30页
        2.4.3 主要聚类方法第30-33页
3 基于分块矩阵的Apriori规则挖掘第33-42页
    3.1 Apriori相关改进算法分析第33-34页
    3.2 基于矩阵的Apriori算法第34-36页
        3.2.1 基本思想第34-35页
        3.2.2 基本概念第35-36页
        3.2.3 算法对比第36页
    3.3 基于矩阵的Apriori改进算法第36-42页
        3.3.1 相关性质及定理第36-37页
        3.3.2 改进思路第37-38页
        3.3.3 改进算法的整体流程第38-39页
        3.3.4 算例演示第39-42页
4 融合领域知识的二次规则挖掘第42-51页
    4.1 融合领域知识的关联规则聚类及离群点挖掘思路第42-43页
    4.2 关联规则距离度量第43-44页
        4.2.1 现有规则距离度量方法第43页
        4.2.2 规则距离度量第43-44页
    4.3 DBSCAN聚类算法第44-47页
        4.3.1 聚类算法选择第44-45页
        4.3.2 DBSCAN算法基本概念及思路第45-47页
        4.3.3 DBSCAN算法应用于领域知识规则聚类的不足及其成因第47页
    4.4 融合领域知识的二次规则挖掘算法第47-51页
        4.4.1 LOF离群因子算法第47-49页
        4.4.2 基于k邻域改进的DBSCAN算法第49页
        4.4.3 融合领域知识的二次规则挖掘算法过程第49-51页
5 实验分析第51-61页
    5.1 数据来源及实验环境第51页
    5.2 数据结构及预处理第51-54页
        5.2.1 数据结构第51页
        5.2.2 数据预处理第51-54页
    5.3 关联规则改进算法对比第54-56页
    5.4 二次规则挖掘第56-61页
6 结论与展望第61-62页
    6.1 结论第61页
    6.2 展望第61-62页
参考文献第62-65页
个人简历、在学期间发表的学术论文与研究成果第65-66页
致谢第66页

论文共66页,点击 下载论文
上一篇:基于多特征融合的人体检测技术研究
下一篇:极限学习机算法与应用研究