| 前言 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-14页 |
| 第1章 概论 | 第14-20页 |
| ·数据挖掘技术的兴起 | 第14-15页 |
| ·数据挖掘的主要问题 | 第15-17页 |
| ·数据挖掘任务与知识类型 | 第15-16页 |
| ·数据挖掘的过程 | 第16页 |
| ·数据挖掘的对象 | 第16页 |
| ·数据挖掘的应用 | 第16-17页 |
| ·面临的挑战 | 第17页 |
| ·本文的工作 | 第17-18页 |
| ·本文的结构 | 第18-20页 |
| 第2章 数据挖掘技术综述 | 第20-34页 |
| ·频繁模式与关联规则挖掘 | 第20-24页 |
| ·单层单维布尔型关联规则挖掘与Apriori算法 | 第20-22页 |
| ·对Apriori算法的改进 | 第22-23页 |
| ·频繁模式与关联规则挖掘研究的新发展 | 第23-24页 |
| ·闭合模式挖掘与A-Close算法 | 第24-27页 |
| ·闭合模式挖掘与A-Close算法 | 第24-26页 |
| ·其它闭合模式挖掘算法 | 第26-27页 |
| ·最大模式挖掘与Pincer-Search算法 | 第27-30页 |
| ·最大模式挖掘与Pincer-Search算法 | 第27-28页 |
| ·其它最大模式挖掘算法 | 第28-30页 |
| ·多层多维关联规则挖掘 | 第30-31页 |
| ·对关联规则挖掘的其它扩展 | 第31-32页 |
| ·数据挖掘软件的发展 | 第32-34页 |
| 第3章 伺机投影策略的挖掘算法 | 第34-50页 |
| ·引言 | 第34-35页 |
| ·问题的描述 | 第35-37页 |
| ·频繁模式树的构造 | 第37-38页 |
| ·模式支持集的表示与投影 | 第38-42页 |
| ·稀疏型PTS的基于数组表示及其投影 | 第38-40页 |
| ·密集型PTS的基于树表示及虚拟投影 | 第40-42页 |
| ·伺机投影策略与OpportuneProject算法 | 第42-45页 |
| ·伺机投影的启发式原则 | 第42-43页 |
| ·OpportuneProject算法 | 第43-45页 |
| ·性能评价 | 第45-49页 |
| ·数据集及其特性 | 第45-46页 |
| ·基本实验结果 | 第46-48页 |
| ·可伸缩性试验 | 第48-49页 |
| ·小结 | 第49-50页 |
| 第4章 闭合模式与最大模式挖掘 | 第50-66页 |
| ·引言 | 第50-51页 |
| ·问题的描述 | 第51-52页 |
| ·复合型频繁模式树及其生成 | 第52-54页 |
| ·复合型频繁模式树CFIST | 第52-53页 |
| ·CFIST结点的合并 | 第53-54页 |
| ·CFIST的生成算法 | 第54页 |
| ·CFIST的剪裁与包含关系的检查 | 第54-56页 |
| ·高效的CFIST局部剪裁 | 第54-55页 |
| ·分枝包容关系的快速检查 | 第55页 |
| ·快速杂凑法 | 第55-56页 |
| ·CROP:挖掘闭合模式的高性能算法 | 第56-58页 |
| ·平衡CFIST生成与剪裁效率 | 第56-57页 |
| ·CROP算法 | 第57-58页 |
| ·CROP性能测评 | 第58-62页 |
| ·CROP与CHARM效率对比 | 第58-60页 |
| ·CROP与CLOSET效率对比 | 第60页 |
| ·CROP与MAFIA效率对比。 | 第60-61页 |
| ·可伸缩性实验 | 第61-62页 |
| ·挖掘最大频繁模式的新算法MOP | 第62-64页 |
| ·最大频繁模式集及其剪裁 | 第62页 |
| ·MOP算法 | 第62-63页 |
| ·MOP的性能评价 | 第63-64页 |
| ·小结 | 第64-66页 |
| 第5章 多维多层关联规则与分类规则 | 第66-78页 |
| ·关联规则与无冗余关联规则 | 第66-68页 |
| ·多维多层多数据类型关联规则挖掘 | 第68-72页 |
| ·多维多层多数据类型关联规则挖掘问题 | 第69-70页 |
| ·MDML-PP算法 | 第70-71页 |
| ·性能测评 | 第71-72页 |
| ·挖掘多支持率分类规则 | 第72-76页 |
| ·分类规则挖掘与TTF扩展 | 第72-73页 |
| ·多支持率剪裁 | 第73-74页 |
| ·分类规则及其单阶段挖掘算法 | 第74-75页 |
| ·对比实验 | 第75-76页 |
| ·小结 | 第76-78页 |
| 第6章 智能型数据挖掘工具设计与实现 | 第78-92页 |
| ·引言 | 第78-79页 |
| ·数据仓库及其管理 | 第79-81页 |
| ·数据仓库模型与OLAP | 第79-80页 |
| ·数据仓库的框架描述 | 第80页 |
| ·数据仓库管理器 | 第80-81页 |
| ·数据挖掘任务的描述、管理及执行机制 | 第81-84页 |
| ·数据挖掘作业Job的描述 | 第81-82页 |
| ·挖掘任务模型Scenario的定义 | 第82-83页 |
| ·挖掘任务模型的管理与执行 | 第83-84页 |
| ·智能型数据挖掘引擎 | 第84-87页 |
| ·算法描述库与算法模块 | 第84-86页 |
| ·知识库与引擎管理器 | 第86-87页 |
| ·SmartMiner体系结构 | 第87-88页 |
| ·关键技术与SmartMiner原型实现 | 第88-91页 |
| ·小结 | 第91-92页 |
| 第7章 网络海量数据协同挖掘 | 第92-112页 |
| ·引言 | 第92-93页 |
| ·分布式黑板控制 | 第93-94页 |
| ·问题求解的黑板系统 | 第93页 |
| ·分布式问题求解与黑板控制 | 第93-94页 |
| ·形式化描述语言 | 第94-96页 |
| ·黑板的描述 | 第94页 |
| ·知识源的描述 | 第94-95页 |
| ·知识交换格式 | 第95-96页 |
| ·实现分布式黑板控制的一般智能代理 | 第96-98页 |
| ·一般智能代理GA的结构设计 | 第96-97页 |
| ·智能代理软件DBC-MA的实现 | 第97-98页 |
| ·分布式数据挖掘系统DistributedMiner | 第98-101页 |
| ·分布式知识发现功能 | 第99页 |
| ·DistributedMiner的黑板设计 | 第99页 |
| ·挖掘平台体系结构 | 第99-100页 |
| ·DistributedMiner的实现与应用 | 第100-101页 |
| ·从分布计算到移动计算 | 第101-107页 |
| ·什么是智能代理 | 第102页 |
| ·智能代理的特征 | 第102-103页 |
| ·移动型智能代理 | 第103-104页 |
| ·典型mobile agent系统 | 第104-107页 |
| ·移动式数据挖掘系统模型 | 第107-109页 |
| ·移动型智能代理服务器 | 第107-108页 |
| ·DBC-MA变型 | 第108-109页 |
| ·MobileMiner工作流程 | 第109页 |
| ·小结 | 第109-112页 |
| 第8章 结论和展望 | 第112-114页 |
| 参考文献 | 第114-130页 |
| 公开发表的论文、主持和参加的科研项目 | 第130-132页 |
| 致谢 | 第132-133页 |