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

面向不确定数据流的聚类和模式挖掘技术研究

摘要第5-7页
ABSTRACT第7-9页
符号对照表第13-14页
缩略语对照表第14-18页
第一章 绪论第18-32页
    1.1 研究背景及意义第18-21页
        1.1.1 研究背景第18-20页
        1.1.2 研究意义第20-21页
    1.2 国内外研究现状分析第21-27页
        1.2.1 国内外研究现状第21-27页
        1.2.2 存在的主要问题第27页
    1.3 论文的主要工作第27-30页
        1.3.1 研究思路第28页
        1.3.2 主要工作第28-30页
    1.4 论文组织结构第30-32页
第二章 基于概要结构的不确定对象聚类第32-58页
    2.1 引言第32-33页
    2.2 不确定对象的概率分布第33-34页
    2.3 基于直方图的离散域的概率分布估计第34-38页
    2.4 基于Sketch的连续域的概率分布估计第38-40页
    2.5 对象桶策略第40-42页
    2.6 概率分布相似性计算方法的改进第42-46页
    2.7 基于划分的聚类算法—KM-KL算法第46-50页
    2.8 实验结果与分析第50-57页
        2.8.1 实验设置第50-51页
        2.8.2 实验结果分析第51-57页
    2.9 本章小结第57-58页
第三章 基于质量度量的不确定数据流聚类第58-88页
    3.1 引言第58-60页
    3.2 不确定数据流的质量度量第60-65页
    3.3 微簇在线维护策略第65-70页
    3.4 基于质量度量的不确定数据流聚类算法第70-72页
    3.5 USCluster算法实验结果及分析第72-76页
        3.5.1 实验环境及数据集第72-73页
        3.5.2 参数评估第73-74页
        3.5.3 比较实验第74-76页
    3.6 基于投影的降维处理策略第76-79页
        3.6.1 高维数据的投影聚类思想第76页
        3.6.2 基于质量度量的微簇相关子空间的计算第76-77页
        3.6.3 不确定的投影距离计算第77-79页
    3.7 基于质量度量的高维投影不确定数据流聚类算法第79-81页
    3.8 HPUSCluster算法实验结果及分析第81-86页
        3.8.1 实验环境及数据集第81-82页
        3.8.2 参数评估第82-83页
        3.8.3 比较实验第83-85页
        3.8.4 扩展性测试第85-86页
    3.9 本章小结第86-88页
第四章 基于Sketch的不确定数据流频繁模式挖掘第88-112页
    4.1 引言第88-89页
    4.2 概率频繁模式第89-91页
    4.3 基于后缀支持度的不确定模式第91-94页
    4.4 基于后缀支持度的模式树构建第94-98页
    4.5 基于Sketch的概率频繁模式挖掘第98-101页
    4.6 预测模型第101-103页
    4.7 基于预测的剪枝算法第103-104页
    4.8 实验结果及分析第104-110页
        4.8.1 后缀模式挖掘算法性能分析第105-108页
        4.8.2 概率频繁模式挖掘算法性能分析第108页
        4.8.3 剪枝算法性能分析第108-110页
    4.9 本章小结第110-112页
第五章 基于模式增长的不确定序列模式挖掘第112-136页
    5.1 引言第112-113页
    5.2 不确定数据的概率序列模式第113-115页
    5.3 对于概率序列模式的频度测定第115-117页
    5.4 基于PG-DAG的序列树形存储结构第117-122页
    5.5 基于加权的PG-DAG序列数据存储结构第122-125页
        5.5.1 W-PG-DAG序列存储结构分析第122-123页
        5.5.2 基于W-PG-DAG的序列数据表示算法第123-125页
    5.6 概率频繁投影数据库预剪枝第125-127页
    5.7 USeq-DAG-PrefixSpan算法第127-129页
    5.8 实验结果及分析第129-135页
        5.8.1 存储结构实验结果分析第129-132页
        5.8.2 运行时间结果比较第132-135页
    5.9 本章小结第135-136页
第六章 总结与展望第136-140页
    6.1 研究总结第136-137页
    6.2 研究展望第137-140页
参考文献第140-148页
致谢第148-150页
作者简介第150-153页
    1. 基本情况第150页
    2. 教育背景第150页
    3. 在学期间的研究成果第150-153页

论文共153页,点击 下载论文
上一篇:基于局部学习与均匀分解的多目标进化算法研究
下一篇:髙动态多普勒捕获技术与无线网络资源分配若干策略研究