摘要 | 第1-6页 |
ABSTRACT | 第6-9页 |
第1章 绪论 | 第9-15页 |
·引言 | 第9-10页 |
·国内外研究现状 | 第10-14页 |
·本文要讨论的问题 | 第14页 |
·本文的组织结构 | 第14-15页 |
第2章 相关知识介绍 | 第15-21页 |
·Deep Web介绍 | 第15-16页 |
·相似度度量方法 | 第16-19页 |
·基于字符匹配的相似度度量方法 | 第17-18页 |
·基于语义的相似度度量方法 | 第18-19页 |
·数据挖掘简介 | 第19-20页 |
·对不确定数据挖掘的必要性 | 第19页 |
·关联规则相关的算法 | 第19-20页 |
·本章小结 | 第20-21页 |
第3章 DEEP WEB下不确定数据处理模型 | 第21-27页 |
·研究不确定数据的必要性 | 第21-22页 |
·Deep Web数据集成结构 | 第22-24页 |
·数据集成中产生不确定的三个层次 | 第24-25页 |
·Deep Web下不确定数据的来源 | 第25-26页 |
·Deep Web下不确定数据处理模型 | 第26页 |
·本章小结 | 第26-27页 |
第4章 DEEP WEB下不确定数据描述 | 第27-33页 |
·不确定数据表示类型 | 第27页 |
·不确定数据的描述和分类 | 第27-28页 |
·基于字符匹配的不确定数据概率值计算方法 | 第28-30页 |
·Q-grams相似度度量方法 | 第28页 |
·WHIRL和Q-grams with tf.idf度量方法 | 第28-29页 |
·Jaro-Winkler distance相似度度量方法 | 第29-30页 |
·基于语义不确定数据概率值计算方法 | 第30-31页 |
·本章小结 | 第31-33页 |
第5章 不确定数据频繁集的挖掘 | 第33-55页 |
·相关概念 | 第33-34页 |
·挖掘关联规则经典算法 | 第34-43页 |
·经典的关联规则挖掘算法——Apriori算法 | 第34-39页 |
·不产生候选集的挖掘算法——FP-growth算法 | 第39-43页 |
·基于不确定数据的关联规则算法 | 第43-54页 |
·不确定数据挖掘方法——UD-Apriori算法 | 第45-49页 |
·不确定数据挖掘方法——UD-FP-growth算法 | 第49-54页 |
·本章小结 | 第54-55页 |
第6章 算法实现和测试 | 第55-59页 |
·UD-Apriori算法与UD-FP-growth算法比较 | 第55-57页 |
·领域内参数的确定 | 第57-58页 |
·本章小结 | 第58-59页 |
第7章 总结和展望 | 第59-61页 |
·总结 | 第59页 |
·展望 | 第59-61页 |
参考文献 | 第61-65页 |
致谢 | 第65-66页 |
攻读硕士期间发表的论文 | 第66页 |