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

Deep Web下不确定数据处理的研究

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

论文共66页,点击 下载论文
上一篇:基于Struts和Hibernate的军队装备信息管理系统的设计与实现
下一篇:基于Struts-Hibernate框架的车辆派遣系统设计与实现