| 内容提要 | 第1-9页 |
| 第1章 绪论 | 第9-21页 |
| ·研究背景和意义 | 第9-18页 |
| ·数据挖掘 | 第9-13页 |
| ·多关系数据挖掘的概念 | 第13页 |
| ·多关系数据挖掘的产生与发展 | 第13-14页 |
| ·多关系数据挖掘的方法 | 第14-15页 |
| ·多关系数据挖掘的任务 | 第15-16页 |
| ·多关系数据挖掘的应用 | 第16-17页 |
| ·多关系数据挖掘存在的问题及发展方向 | 第17-18页 |
| ·本文工作 | 第18-21页 |
| 第2章 相关理论和方法 | 第21-35页 |
| ·聚类分析技术 | 第21-24页 |
| ·聚类分析的概念及步骤 | 第21-22页 |
| ·聚类分析的方法 | 第22-24页 |
| ·聚类分析方法小结 | 第24页 |
| ·关系及多关系聚类分析技术 | 第24-26页 |
| ·关系及多关系聚类分析的概念 | 第24-25页 |
| ·关系及多关系聚类分析的方法 | 第25-26页 |
| ·关系及多关系聚类分析小结 | 第26页 |
| ·半监督学习技术 | 第26-31页 |
| ·半监督学习的思想 | 第26-27页 |
| ·半监督分类 | 第27-30页 |
| ·半监督聚类 | 第30页 |
| ·半监督学习小结 | 第30-31页 |
| ·个性化推荐技术 | 第31-35页 |
| ·推荐系统概述 | 第31页 |
| ·个性化推荐技术 | 第31-33页 |
| ·个性化推荐小结 | 第33-35页 |
| 第3章 特征加权的聚类算法 | 第35-46页 |
| ·引言 | 第35-37页 |
| ·研究背景 | 第35-36页 |
| ·本章研究内容 | 第36-37页 |
| ·相关工作 | 第37-40页 |
| ·符号约定 | 第37页 |
| ·基于距离和密度的聚类算法 | 第37-38页 |
| ·特征权值学习方法 | 第38-40页 |
| ·特征加权的聚类模型 | 第40-41页 |
| ·模型描述 | 第40页 |
| ·复杂性和收敛性说明 | 第40-41页 |
| ·实验 | 第41-44页 |
| ·实验数据集 | 第41页 |
| ·聚类结果评价 | 第41-42页 |
| ·实验结果 | 第42-44页 |
| ·实验结果分析及说明 | 第44页 |
| ·本章小结 | 第44-46页 |
| 第4章 多关系聚类分析 | 第46-53页 |
| ·引言 | 第46-47页 |
| ·研究背景 | 第46页 |
| ·本章研究内容 | 第46-47页 |
| ·两阶段多关系数据聚类算法 | 第47-49页 |
| ·符号表示 | 第47页 |
| ·TSMRC 算法框架 | 第47-48页 |
| ·TSMRC 的第一阶段 | 第48-49页 |
| ·TSMRC 的第二阶段 | 第49页 |
| ·实验 | 第49-52页 |
| ·实验数据及其关系分析 | 第49-51页 |
| ·聚类准确性度量 | 第51页 |
| ·扩展性测试 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 半监督多关系数据聚类 | 第53-62页 |
| ·引言 | 第53-55页 |
| ·研究背景 | 第53-54页 |
| ·本章研究内容 | 第54-55页 |
| ·半监督多关系数据聚类的问题定义 | 第55页 |
| ·半监督K-均值多关系数据聚类算法 | 第55-58页 |
| ·SKMMR 算法描述 | 第55-57页 |
| ·相似性度量 | 第57-58页 |
| ·实验 | 第58-61页 |
| ·实验数据及其关系分析 | 第58页 |
| ·聚类结果评价 | 第58-59页 |
| ·实验结果 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第6章 基于聚类的协同过滤推荐 | 第62-76页 |
| ·引言 | 第62-63页 |
| ·研究背景 | 第62-63页 |
| ·本章研究内容 | 第63页 |
| ·工作基础 | 第63-68页 |
| ·协同过滤推荐算法 | 第63-64页 |
| ·似然关系模型 | 第64-66页 |
| ·基于似然关系模型的推荐 | 第66-68页 |
| ·结合似然关系模型和用户等级的协同过滤推荐算法 | 第68-72页 |
| ·基于用户等级的协同过滤推荐算法 | 第68-70页 |
| ·结合似然关系模型和用户等级的协同过滤推荐算法 | 第70-72页 |
| ·实验 | 第72-75页 |
| ·数据集及度量标准 | 第72页 |
| ·实验结果及分析 | 第72-75页 |
| ·本章小结 | 第75-76页 |
| 第7章 多关系聚类分析在网络教育资源管理系统中的应用 | 第76-85页 |
| ·引言 | 第76页 |
| ·网络教育资源管理系统概述 | 第76-78页 |
| ·NERMS 系统组成 | 第76-77页 |
| ·NERMS 系统特点 | 第77-78页 |
| ·NERMS 关键技术 | 第78页 |
| ·多关系聚类分析在NERMS 中的应用 | 第78-84页 |
| ·NERMS 体系结构 | 第78-79页 |
| ·NERMS 数据集 | 第79-81页 |
| ·两阶段用户聚类 | 第81页 |
| ·半监督资源聚类 | 第81-82页 |
| ·个性化推荐 | 第82-84页 |
| ·本章小结 | 第84-85页 |
| 第8章 总结与展望 | 第85-87页 |
| 参考文献 | 第87-95页 |
| 攻读博士学位期间发表的论文及参加的项目 | 第95-97页 |
| 致谢 | 第97-98页 |
| 摘要 | 第98-101页 |
| Abstract | 第101-103页 |