贝叶斯方法用于多关系数据挖掘的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 图表索引 | 第9-10页 |
| 第一章 绪言 | 第10-18页 |
| ·多关系数据挖掘简介 | 第10-16页 |
| ·什么是多关系数据挖掘 | 第10-14页 |
| ·多关系数据挖掘的研究意义与研究范畴 | 第14-16页 |
| ·多关系数据挖掘的应用 | 第16页 |
| ·论文的组织结构 | 第16-18页 |
| 第二章 数据挖掘的传统方法 | 第18-25页 |
| ·数据挖掘的概念 | 第18-19页 |
| ·数据挖掘的一般过程 | 第19-21页 |
| ·数据准备 | 第20页 |
| ·数据挖掘 | 第20页 |
| ·结果解释和评估 | 第20-21页 |
| ·数据挖掘的主要方法 | 第21-23页 |
| ·关联分析 | 第21页 |
| ·分类分析 | 第21-22页 |
| ·聚类分析 | 第22-23页 |
| ·序列模式分析 | 第23页 |
| ·数据挖掘工具 | 第23-24页 |
| ·小结 | 第24-25页 |
| 第三章 多关系数据挖掘技术 | 第25-49页 |
| ·ILP用于多关系数据挖掘 | 第25-33页 |
| ·逻辑程序与多关系数据库 | 第25-26页 |
| ·关系规则归纳中ILP的任务 | 第26-29页 |
| ·子句空间的构造 | 第29-31页 |
| ·搜索子句空间 | 第31-33页 |
| ·多关系关联规则 | 第33-38页 |
| ·常见 Data10G查询以及查询扩展 | 第33-35页 |
| ·搜索常见查询 WARMR | 第35-38页 |
| ·多关系分类 | 第38-43页 |
| ·基于概率的方法 | 第38-39页 |
| ·多关系决策树 | 第39-43页 |
| ·多关系聚类 | 第43-48页 |
| ·RIBL的距离标准 | 第43-47页 |
| ·RDBC | 第47-48页 |
| ·一阶 K-Means聚类方法 | 第48页 |
| ·小结 | 第48-49页 |
| 第四章 贝叶斯分类器用于规则连接 | 第49-58页 |
| ·分类算法中的规则连接 | 第49-51页 |
| ·应用ILP的规则 | 第49-50页 |
| ·Voting | 第50-51页 |
| ·贝叶斯网络连接规则 | 第51-55页 |
| ·朴素贝叶斯 | 第51-52页 |
| ·TAN | 第52-53页 |
| ·DLBAN | 第53-55页 |
| ·用 CLP实现完整的贝叶斯分类器 | 第55-57页 |
| ·分析与结论 | 第57-58页 |
| 第五章 基于语义关系图的多关系朴素贝叶斯分类器 | 第58-72页 |
| ·介绍 | 第58-60页 |
| ·语义关系图 | 第60-62页 |
| ·语义关系图的定义 | 第60-61页 |
| ·分类过程中语义关系图的优化 | 第61-62页 |
| ·多关系朴素贝叶斯 | 第62-65页 |
| ·元组标识传播 | 第65-69页 |
| ·基本定义 | 第65-66页 |
| ·通过连接寻找最佳谓词 | 第66-67页 |
| ·元组标识传播的方法 | 第67-69页 |
| ·基于语义关系图的多关系朴素贝叶斯分类算法 | 第69页 |
| ·实验结果 | 第69-72页 |
| 第六章 结论与展望 | 第72-74页 |
| ·结论 | 第72页 |
| ·进一步的工作展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 读研期间以第一作者发表的论文 | 第79页 |
