面向大数据的高维数据挖掘技术研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-13页 |
| 第一章 绪论 | 第13-26页 |
| ·大数据带来的机遇与挑战 | 第13-15页 |
| ·大数据时代的背景 | 第13-14页 |
| ·大数据的特征 | 第14页 |
| ·大数据的构成 | 第14-15页 |
| ·大数据的发展方向 | 第15-19页 |
| ·论文研究的目的和意义 | 第19-23页 |
| ·论文的主要研究内容 | 第23-25页 |
| ·论文各章安排 | 第25-26页 |
| 第二章 数据预处理及三维矩阵模型 | 第26-42页 |
| ·大数据背景下的社会调查 | 第26-31页 |
| ·社会调查的概念及特点 | 第26-28页 |
| ·大数据背景下社会调查数据的特性 | 第28-29页 |
| ·社会调查数据的处理方法 | 第29-30页 |
| ·一般社会调查数据处理方法的不足 | 第30-31页 |
| ·数据预处理 | 第31-34页 |
| ·数据清理 | 第32-33页 |
| ·数据集成 | 第33-34页 |
| ·三维矩阵模型建立方式及其特性 | 第34-40页 |
| ·三维矩阵模型建立 | 第34-36页 |
| ·三维矩阵的特性及应用 | 第36-38页 |
| ·三维矩阵模型的特性 | 第38-40页 |
| ·数据预处理流程 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第三章 协同进化思想在关联规则分析中的应用 | 第42-71页 |
| ·统计学的不足 | 第42-43页 |
| ·关联规则挖掘的经验借鉴及有效探索 | 第43-52页 |
| ·关于关联规则 | 第45-46页 |
| ·关联规则挖掘中的有关性质 | 第46-47页 |
| ·关联规则挖掘算法的两个步骤 | 第47-48页 |
| ·经典关联规则挖掘算法的使用 | 第48-49页 |
| ·Apriori 算法的改进 | 第49-52页 |
| ·高维大数据关联规则挖掘的新挑战 | 第52-53页 |
| ·基于协同进化的关联规则挖掘 | 第53-69页 |
| ·协同进化思想 | 第54-55页 |
| ·协同进化算法中的遗传搜索策略 | 第55-61页 |
| ·协同进化算法中的粒子群搜索策略 | 第61-65页 |
| ·基于协同进化算法的关联规则挖掘步骤描述 | 第65-67页 |
| ·验证结果和性能分析 | 第67-69页 |
| ·本章小结 | 第69-71页 |
| 第四章 超图及其在三维矩阵模型中的建立 | 第71-82页 |
| ·关于超图 | 第71-75页 |
| ·关于无向超图 | 第72-73页 |
| ·关于有向超图 | 第73-75页 |
| ·超图系统的建立 | 第75-81页 |
| ·超图与系统 | 第76-77页 |
| ·超边的建立 | 第77-81页 |
| ·本章小结 | 第81-82页 |
| 第五章 基于超图的处理方法 | 第82-103页 |
| ·关联规则的环路及冗余检测 | 第82-94页 |
| ·冗余规则检测 | 第82-83页 |
| ·关联规则的有向超图表示方法 | 第83-84页 |
| ·冗余规则的图形表示及处理 | 第84-90页 |
| ·算法流程 | 第90-93页 |
| ·验证结果和分析 | 第93-94页 |
| ·基于超图的聚类算法 | 第94-101页 |
| ·关于 HMETIS 算法 | 第94-96页 |
| ·HMETIS 算法步骤 | 第96-97页 |
| ·衡量指标 | 第97-98页 |
| ·聚类结果筛选指标 | 第98页 |
| ·聚类算法步骤 | 第98-99页 |
| ·实验结果 | 第99-101页 |
| ·本章小结 | 第101-103页 |
| 第六章 算法应用及结果分析 | 第103-116页 |
| ·实验数据 | 第103-108页 |
| ·建立三维矩阵数学模型 | 第108-110页 |
| ·基于无向超图的聚类算法 | 第110-111页 |
| ·基于有向超图的关联规则环路冗余检测法 | 第111-113页 |
| ·综合算法流程 | 第113-114页 |
| ·本章小结 | 第114-116页 |
| 第七章 总结与展望 | 第116-120页 |
| ·总结 | 第116-117页 |
| ·展望 | 第117-120页 |
| 参考文献 | 第120-127页 |
| 作者在攻读博士学位期间公开发表的论文 | 第127-129页 |
| 作者在攻读博士学位期间所作的项目 | 第129-130页 |
| 致谢 | 第130-131页 |
| 附录 | 第131-138页 |
