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

基于三支决策的项集增量挖掘算法的研究与应用

摘要第1-4页
Abstract第4-6页
目录第6-8页
第1章 绪论第8-13页
   ·研究背景与意义第8-9页
   ·研究方案第9-10页
   ·理论基础概述第10页
   ·软件开发与算法实现基础第10-11页
   ·论文组织第11-13页
第2章 基础知识与研究现状第13-25页
   ·频繁项集挖掘第13-15页
     ·相关定义第13-14页
     ·研究现状第14-15页
   ·高实用性项集挖掘第15-18页
     ·相关定义第15-17页
     ·研究现状第17-18页
   ·增量学习第18-20页
     ·频繁项集增量挖掘算法(FUP)第18-19页
     ·高实用性项集增量挖掘算法(FUP-HUI)第19-20页
     ·其他增量学习方法第20页
   ·三支决策第20-24页
     ·三支决策基本思想第20-22页
     ·三支决策研究现状与前景第22-24页
     ·三支决策应用举例第24页
   ·本章小结第24-25页
第3章 基于三支决策的项集增量挖掘第25-39页
   ·项集挖掘的二支决策模型第25-26页
   ·项集的增量挖掘三支决策模型第26-27页
   ·基于三支决策的项集增量挖掘框架第27-30页
   ·基于三支决策的频繁项集增量挖掘第30-33页
     ·频繁项集的域划分算法和增量更新算法TDUP第30-31页
     ·频繁项集的增量算法性能对比第31-33页
   ·基于三支决策的高实用性项集的增量挖掘第33-38页
     ·高实用性项集的数据生成器第33-35页
     ·高实用性项集的域划分算法和增量更新算法PTD-HUI第35-36页
     ·高实用性项集的增量算法性能对比第36-38页
   ·本章小结第38-39页
第4章 同步机制的参数学习第39-57页
   ·频繁项集TDUP算法参数学习第39-55页
     ·参数预估第41-50页
     ·参数验证第50-55页
   ·高实用性项集PTD-HUI算法参数学习第55-56页
   ·本章小结第56-57页
第5章 面向电子商务商家的决策辅助快速原型系统第57-62页
   ·系统概述第57-58页
   ·决策辅助系统知识体系第58-59页
   ·原型系统的主要界面示例第59-61页
   ·数据挖掘结果第61页
   ·本章小结第61-62页
第6章 总结与展望第62-64页
   ·关键问题的分析及解决方法第62页
   ·工作总结第62-63页
   ·工作展望第63-64页
致谢第64-65页
参考文献第65-68页
攻读硕士学位期间发表的论文及科研成果第68页

论文共68页,点击 下载论文
上一篇:基于半贪心策略的代价敏感特征选择算法研究
下一篇:基于粒子群优化的超声弹性成像运动追踪和位移估计算法研究