面向单幅不确定大图的频繁模式挖掘技术研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景及意义 | 第11-15页 |
| 1.1.1 军事情报分析应用背景 | 第11-13页 |
| 1.1.2 频繁模式挖掘技术背景 | 第13-14页 |
| 1.1.3 研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 不确定图挖掘与查询 | 第15页 |
| 1.2.2 频繁子图挖掘 | 第15-16页 |
| 1.2.3 面向单幅大图的挖掘 | 第16-17页 |
| 1.2.4 结合网络图的文本挖掘 | 第17页 |
| 1.3 论文研究内容 | 第17-18页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 主要创新点 | 第18页 |
| 1.4 论文组织结构 | 第18-20页 |
| 第二章 单幅不确定图上频繁模式挖掘问题定义 | 第20-26页 |
| 2.1 确定图的定义 | 第20-21页 |
| 2.2 不确定图的定义 | 第21-23页 |
| 2.3 挖掘技术框架 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 子图模式的支持度评价 | 第26-33页 |
| 3.1 子图模式的支持度计算 | 第26-27页 |
| 3.2 计算复杂度分析 | 第27-29页 |
| 3.3 子图模式评价方法 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 支持度评价的优化策略 | 第33-43页 |
| 4.1 样本间计算重用 | 第33-38页 |
| 4.1.1 存在概率和投影测试的重用 | 第34-35页 |
| 4.1.2 支持度计算的重用 | 第35-38页 |
| 4.2 减少样本数量的剪枝策略 | 第38-42页 |
| 4.2.1 基于结构的上界 | 第39-41页 |
| 4.2.2 引入上界的剪枝 | 第41-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第五章 实验测试与分析 | 第43-51页 |
| 5.1 实验准备 | 第43-44页 |
| 5.2 评价近似质量 | 第44-45页 |
| 5.3 评价优化技术 | 第45-46页 |
| 5.4 评价参数的影响 | 第46-47页 |
| 5.5 评价不确定性的影响 | 第47-48页 |
| 5.6 评价可扩展性 | 第48-49页 |
| 5.7 本章小结 | 第49-51页 |
| 第六章 文本情报分析应用 | 第51-61页 |
| 6.1 文本情报建模 | 第52-56页 |
| 6.1.1 LDA话题模型 | 第52-53页 |
| 6.1.2 基于知识库的文档相似度计算 | 第53-56页 |
| 6.2 基于频繁模式的文本情报分析 | 第56-57页 |
| 6.3 应用效能评估实验 | 第57-60页 |
| 6.4 本章小结 | 第60-61页 |
| 结束语 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 作者在学期间取得的学术成果 | 第69-70页 |
| 附录A 基于概率语义的挖掘 | 第70-72页 |
