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

基于半结构化数据的数据流挖掘算法研究

摘要第1-7页
ABSTRACT第7-13页
图索引第13-14页
表索引第14-15页
第一章 绪论第15-35页
   ·研究背景和意义第15-18页
     ·研究背景第15-17页
     ·课题研究意义第17-18页
   ·研究现状第18-27页
     ·数据流管理系统研究现状第19页
     ·数据流挖掘研究现状第19-26页
       ·数据流预测查询算法第20-21页
       ·数据流频繁模式挖掘算法第21-24页
       ·数据流分类算法第24-25页
       ·数据流聚类算法第25-26页
     ·数据流半结构化数据挖掘研究第26-27页
   ·论文主要研究内容第27-29页
   ·论文结构安排第29页
 参考文献第29-35页
第二章 频繁模式挖掘及算法第35-47页
   ·问题定义第36-38页
     ·基本概念第36-37页
     ·事务数据集的表示第37-38页
   ·频繁模式挖掘算法第38-45页
     ·先验原理第38-39页
     ·Apriori算法第39-40页
     ·FP-growth算法第40-43页
     ·频繁模式简约形式挖掘第43-45页
   ·本章小结第45页
 参考文献第45-47页
第三章 半结构化数据的频繁模式挖掘研究第47-71页
   ·引言第47-49页
   ·半结构化数据和相关研究第49-53页
     ·图型结构数据挖掘第49-51页
       ·图集中的频繁子图挖掘算法第50-51页
       ·单图中的频繁子图挖掘算法第51页
     ·序列结构数据挖掘第51-52页
     ·树型结构数据挖掘第52-53页
   ·树型结构数据基本概念第53-58页
     ·树型数据第53-55页
     ·子树的频繁模式第55-58页
   ·基于连接的频繁闭子树挖掘算法第58-67页
     ·DryadeParent算法思路第58-60页
     ·改进算法CFTMiner第60-64页
       ·存在的问题第60-62页
       ·改进后的算法第62-64页
       ·正确性分析第64页
     ·实验分析第64-67页
   ·本章小结第67-68页
 参考文献第68-71页
第四章 数据流挖掘的支持度衰减策略第71-89页
   ·引言第71-72页
   ·相关研究第72-74页
   ·问题描述第74-76页
     ·时间模型第74-75页
     ·数据流的定义第75-76页
     ·滑动窗口模型第76页
   ·衰减机制第76-82页
     ·衰减模型第78-80页
     ·补偿放大模型第80-81页
     ·衰减与补偿放大的关系约束第81-82页
   ·实验分析第82-85页
     ·实验环境第82-83页
     ·实时性比较第83-85页
   ·本章小结第85-86页
 参考文献第86-89页
第五章 基于批量更新模式的数据流挖掘研究第89-123页
   ·引言第89-90页
   ·相关研究第90-91页
   ·批量更新模式第91-93页
   ·基于批量更新模式的频繁闭子树挖掘算法第93-104页
     ·挖掘模型第93-95页
     ·数据流批量预处理第95页
     ·闭子树集的添加和删除第95-99页
     ·结果集更新第99-103页
     ·正确性分析第103-104页
   ·算法误差分析第104-111页
     ·衰减误差第105-106页
     ·近似误差第106-108页
     ·累积误差第108-111页
     ·误差分析小结第111页
   ·实验分析第111-121页
     ·实验环境第111-112页
     ·NASA数据集性能对比第112-117页
       ·支持度阈值为50%的评测第113-115页
       ·支持度阈值为25%的评测第115-117页
     ·CSLOGS数据集性能对比第117-119页
     ·精确性评测第119-121页
   ·本章小结第121-122页
 参考文献第122-123页
第六章 结束语第123-126页
   ·研究工作总结第123-124页
   ·未来工作展望第124-126页
致谢第126-127页
攻读博士学位期间发表的学术论文第127页

论文共127页,点击 下载论文
上一篇:多摄像机协同的行人检测技术研究
下一篇:基于视频的人体姿势预测与跟踪