基于深度神经网络的数据挖掘算法及其应用研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景与选题依据 | 第9-10页 |
| 1.2 课题价值与研究意义 | 第10页 |
| 1.3 研究现状与发展态势 | 第10-12页 |
| 1.4 研究内容与章节安排 | 第12-14页 |
| 第二章 基本理论与算法 | 第14-28页 |
| 2.1 深度神经网络 | 第14-18页 |
| 2.1.1 深度神经网络的分类 | 第15-16页 |
| 2.1.2 深度神经网络的特点 | 第16-17页 |
| 2.1.3 深度神经网络的局限 | 第17-18页 |
| 2.2 数据挖掘算法 | 第18-25页 |
| 2.2.1 数据挖掘功能 | 第19-22页 |
| 2.2.2 数据挖掘的特点 | 第22-24页 |
| 2.2.3 数据挖掘的主要问题 | 第24-25页 |
| 2.3 基于深度神经网络的数据挖掘 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 神经网络及其可解释性 | 第28-37页 |
| 3.1 神经网络的可解释性 | 第28-30页 |
| 3.1.1 主要研究方法 | 第28-29页 |
| 3.1.2 不同神经网络的可解释性研究 | 第29-30页 |
| 3.2 可解释性模型 | 第30-36页 |
| 3.2.1 前导知识 | 第30-31页 |
| 3.2.2 fastText架构及原理 | 第31-32页 |
| 3.2.3 拓展模型NNF | 第32-33页 |
| 3.2.4 实验结果及分析 | 第33-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 基于深度神经网络的数据挖掘算法设计 | 第37-42页 |
| 4.1 TextCNN | 第37-40页 |
| 4.1.1 网络结构及原理 | 第37-38页 |
| 4.1.2 实验结果及分析 | 第38-40页 |
| 4.2 FP-Growth算法 | 第40-41页 |
| 4.3 LDA聚类算法 | 第41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 大数据分析平台的设计与实现 | 第42-72页 |
| 5.1 需求分析 | 第42-44页 |
| 5.2 概要及详细设计 | 第44-62页 |
| 5.2.1 平台概要设计 | 第44-47页 |
| 5.2.2 平台详细设计 | 第47-62页 |
| 5.2.2.1 平台界面设计 | 第47-48页 |
| 5.2.2.2 平台功能模块设计 | 第48-59页 |
| 5.2.2.3 平台数据库设计 | 第59-62页 |
| 5.3 平台实现 | 第62-66页 |
| 5.3.1 TextCNN文本分类 | 第63页 |
| 5.3.2 FP-Growth关联分析 | 第63-65页 |
| 5.3.3 LDA主题词聚类 | 第65-66页 |
| 5.4 测试及可视化 | 第66-71页 |
| 5.4.1 测试用例编写及调试 | 第66页 |
| 5.4.2 平台性能测试 | 第66-67页 |
| 5.4.3 平台运行及可视化 | 第67-70页 |
| 5.4.4 知识发现及结果分析 | 第70-71页 |
| 5.5 本章小结 | 第71-72页 |
| 第六章 全文总结与展望 | 第72-74页 |
| 6.1 工作总结 | 第73页 |
| 6.2 研究展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 附录 | 第78-93页 |
