基于情节规则匹配的数据流预测研究
| 摘要 | 第1-10页 |
| Abstract | 第10-13页 |
| 第一章 引言 | 第13-23页 |
| ·本文的研究意义 | 第13-15页 |
| ·数据流的特点 | 第13-14页 |
| ·数据流预测的现实应用 | 第14-15页 |
| ·国内外相关研究 | 第15-21页 |
| ·事件序列上的模式发现 | 第15-17页 |
| ·数据流预测 | 第17页 |
| ·数据流管理 | 第17-19页 |
| ·数据流分析 | 第19-21页 |
| ·本文的主要贡献 | 第21-22页 |
| ·本文的组织结构 | 第22-23页 |
| 第二章 事件序列上的频繁情节挖掘 | 第23-44页 |
| ·研究背景 | 第23-24页 |
| ·相关工作 | 第24-26页 |
| ·预备知识 | 第26-31页 |
| ·基本概念 | 第26-28页 |
| ·经典算法Apriori与FP-growth | 第28-30页 |
| ·情节的Apriori性质 | 第30-31页 |
| ·问题描述 | 第31页 |
| ·频繁情节挖掘算法MANEPI | 第31-36页 |
| ·频繁情节前缀树 | 第31-32页 |
| ·算法描述 | 第32-33页 |
| ·情节增长 | 第33-34页 |
| ·应用实例 | 第34-36页 |
| ·算法分析 | 第36-37页 |
| ·算法正确性证明 | 第36-37页 |
| ·算法复杂度分析 | 第37页 |
| ·算法优化 | 第37-38页 |
| ·实验评估 | 第38-44页 |
| ·数据集 | 第39页 |
| ·实验结果 | 第39-44页 |
| 第三章 事件序列上的频繁闭情节挖掘 | 第44-59页 |
| ·研究背景 | 第44-45页 |
| ·相关工作 | 第45-46页 |
| ·预备知识 | 第46-47页 |
| ·基本概念 | 第46-47页 |
| ·问题描述 | 第47页 |
| ·频繁闭情节挖掘算法FCEMiner | 第47-51页 |
| ·算法描述 | 第47-49页 |
| ·闭合性检查 | 第49-50页 |
| ·应用实例 | 第50-51页 |
| ·算法分析 | 第51-53页 |
| ·算法正确性证明 | 第51-52页 |
| ·算法复杂度分析 | 第52-53页 |
| ·算法优化 | 第53-54页 |
| ·实验评估 | 第54-59页 |
| ·数据集 | 第54页 |
| ·实验结果 | 第54-59页 |
| 第四章 事件序列上的无冗余情节规则抽取 | 第59-74页 |
| ·研究背景 | 第59-61页 |
| ·相关工作 | 第61-63页 |
| ·预备知识 | 第63-64页 |
| ·基本概念 | 第63-64页 |
| ·问题描述 | 第64页 |
| ·无冗余情节规则抽取算法Extractor | 第64-69页 |
| ·算法描述 | 第64-65页 |
| ·生成子检查 | 第65-66页 |
| ·规则产生 | 第66-68页 |
| ·应用实例 | 第68-69页 |
| ·算法复杂度分析 | 第69页 |
| ·实验评估 | 第69-74页 |
| ·数据集 | 第69-70页 |
| ·实验结果 | 第70-74页 |
| 第五章 数据流上基于情节规则匹配的预测 | 第74-88页 |
| ·研究背景 | 第74-76页 |
| ·相关工作 | 第76-78页 |
| ·预备知识 | 第78-79页 |
| ·基本概念 | 第78页 |
| ·问题描述 | 第78-79页 |
| ·数据流预测算法Predictor | 第79-84页 |
| ·算法描述 | 第79-81页 |
| ·前件匹配 | 第81-82页 |
| ·后件匹配 | 第82-83页 |
| ·结果输出 | 第83-84页 |
| ·算法复杂度分析 | 第84页 |
| ·实验评估 | 第84-88页 |
| ·数据集 | 第84页 |
| ·实验结果 | 第84-88页 |
| 第六章 总结与展望 | 第88-91页 |
| ·总结 | 第88-89页 |
| ·展望 | 第89-91页 |
| 参考文献 | 第91-96页 |
| 致谢 | 第96-97页 |
| 攻读博士学位期间发表论文情况 | 第97-98页 |
