基于流程对象大数据集知识提取的相关方法与理论的研究
| 摘要 | 第7-9页 |
| abstract | 第9-10页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 论文的研究内容与创新点 | 第15-16页 |
| 1.3.1 论文的主要研究内容 | 第15-16页 |
| 1.3.2 论文的主要创新点 | 第16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 第二章 T-C-A-C/T流程对象知识发现算法流 | 第18-24页 |
| 2.1 流程对象 | 第18-19页 |
| 2.2 流程对象的相关性质 | 第19-20页 |
| 2.3 T-C-A-C/T流程对象知识发现算法流 | 第20-24页 |
| 2.3.1 数据取样 | 第21页 |
| 2.3.2 时序计算 | 第21-22页 |
| 2.3.3 聚类 | 第22页 |
| 2.3.4 关联规则 | 第22-23页 |
| 2.3.5 关联链\关联树 | 第23页 |
| 2.3.6 状态关联链 | 第23-24页 |
| 第三章 基于方差的数据取样 | 第24-28页 |
| 3.1 引言 | 第24-25页 |
| 3.2 基于方差的数据取样 | 第25-26页 |
| 3.3 算法实验 | 第26-28页 |
| 第四章 基于统计极值的时序计算及相关理论研究 | 第28-43页 |
| 4.1 引言 | 第28-29页 |
| 4.2 相关理论分析 | 第29-33页 |
| 4.3 基于统计极值的时序计算 | 第33-38页 |
| 4.3.1 极值点计算 | 第35-36页 |
| 4.3.2 时间距计算 | 第36-38页 |
| 4.4 算法适用条件分析 | 第38-40页 |
| 4.5 算法实验 | 第40-43页 |
| 第五章 基于时间序列分割的子序列聚类 | 第43-52页 |
| 5.1 引言 | 第43-44页 |
| 5.2 时间序列子序列聚类 | 第44-50页 |
| 5.2.1 时间序列分割 | 第45-46页 |
| 5.2.2 子序列标准化 | 第46-47页 |
| 5.2.3 子序列聚类 | 第47-49页 |
| 5.2.4 聚类结果评价及自动K值计算 | 第49-50页 |
| 5.3 算法实验 | 第50-52页 |
| 第六章 基于子序列聚类的流程对象关联分析 | 第52-65页 |
| 6.1 引言 | 第52-53页 |
| 6.2 相关理论分析 | 第53-54页 |
| 6.3 关联分析 | 第54-61页 |
| 6.3.1 关联规则挖掘 | 第55-57页 |
| 6.3.2 环节聚类间二项关联规则 | 第57-58页 |
| 6.3.3 环节间的关联规则 | 第58-59页 |
| 6.3.4 关联链 | 第59-60页 |
| 6.3.5 状态关联链 | 第60-61页 |
| 6.4 算法实验 | 第61-65页 |
| 第七章 总结与展望 | 第65-67页 |
| 7.1 论文总结 | 第65页 |
| 7.2 工作的不足与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 附录 | 第72页 |
