| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及研究意义 | 第11-14页 |
| 1.1.1 研究背景 | 第11-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 模式挖掘研究现状 | 第14-16页 |
| 1.3 本文的主要工作 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-18页 |
| 第2章 相关工作基础 | 第18-32页 |
| 2.1 显露模式概述 | 第18-22页 |
| 2.1.1 显露模式的基本概念 | 第18-20页 |
| 2.1.2 常见的特殊类型的 EPs | 第20-21页 |
| 2.1.3 EPs 的特性 | 第21-22页 |
| 2.2 显露模式的挖掘算法 | 第22-24页 |
| 2.2.1 基于边界的挖掘算法 | 第22-23页 |
| 2.2.2 基于树的挖掘算法 | 第23-24页 |
| 2.3 显露模式及其扩展模式在分类中的应用 | 第24-27页 |
| 2.4 显露模式的其它应用 | 第27-28页 |
| 2.5 跨领域相似性挖掘概述 | 第28页 |
| 2.6 迁移学习概述 | 第28-31页 |
| 2.7 小结 | 第31-32页 |
| 第3章 基于聚合 SEPs 衡量数据集相似性算法 | 第32-41页 |
| 3.1 引言 | 第32页 |
| 3.2 相似性衡量的相关工作及相关应用领域 | 第32-34页 |
| 3.3 基于聚合 SEPs 衡量数据集相似性算法 | 第34-40页 |
| 3.3.1 基本思想 | 第34-35页 |
| 3.3.2 导出 SEPs 聚合贡献的计算公式 | 第35-38页 |
| 3.3.3 衡量数据集相似性 | 第38-40页 |
| 3.4 小结 | 第40-41页 |
| 第4章 基于 OSP-tree 的共享跳跃显露模式挖掘算法 | 第41-52页 |
| 4.1 引言 | 第41页 |
| 4.2 相关的模式挖掘算法 | 第41-43页 |
| 4.2.1 基于排序 FP-tree 的最大频繁模式挖掘算法 | 第41-42页 |
| 4.2.2 基于 P-tree 的 JEPs 挖掘算法 | 第42-43页 |
| 4.3 相关概念和性质 | 第43-46页 |
| 4.3.1 相似度衡量方法 | 第43-44页 |
| 4.3.2 Shared JEPs 的基本概念 | 第44-45页 |
| 4.3.3 OSP-tree 介绍 | 第45-46页 |
| 4.3.4 主要的裁剪策略 | 第46页 |
| 4.4 基于 OSP-tree 的挖掘算法 | 第46-50页 |
| 4.4.1 算法思想 | 第46页 |
| 4.4.2 构造 OSP-tree | 第46-49页 |
| 4.4.3 挖掘 shared JEPs | 第49-50页 |
| 4.5 小结 | 第50-52页 |
| 第5章 实验结果及分析 | 第52-60页 |
| 5.1 基于 SEPs 衡量数据集相似度的实验结果及分析 | 第52-55页 |
| 5.1.1 实验数据集 | 第52页 |
| 5.1.2 实验结果及分析 | 第52-55页 |
| 5.2 基于 OSP-tree 挖掘 shared JEPs 的实验结果及分析 | 第55-58页 |
| 5.2.1 实验数据集 | 第55页 |
| 5.2.2 实验结果及分析 | 第55-58页 |
| 5.3 小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第68页 |
