面向不确定数据分类的直接区分子序列挖掘技术研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的与意义 | 第11-13页 |
| 1.3 研究内容和主要贡献 | 第13页 |
| 1.4 论文组织结构 | 第13-16页 |
| 第2章 相关研究工作 | 第16-30页 |
| 2.1 区分模式挖掘 | 第16-19页 |
| 2.1.1 区分模式挖掘的概念 | 第16-17页 |
| 2.1.2 确定数据集上的区分模式挖掘 | 第17-18页 |
| 2.1.3 不确定数据集上的区分模式挖掘 | 第18-19页 |
| 2.2 模式区分能力度量标准 | 第19-22页 |
| 2.2.1 信息增益 | 第20-21页 |
| 2.2.2 置信度期望 | 第21-22页 |
| 2.3 分类算法 | 第22-28页 |
| 2.3.1 基于规则分类 | 第23-26页 |
| 2.3.2 支持向量机 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 基本概念和问题定义 | 第30-38页 |
| 3.1 基本概念 | 第30-36页 |
| 3.1.1 不确定序列数据模型 | 第30-32页 |
| 3.1.2 区分序列挖掘的直接方法 | 第32-33页 |
| 3.1.3 概率闭序列 | 第33-36页 |
| 3.2 问题定义 | 第36-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第4章 不确定直接区分子序列挖掘算法 | 第38-62页 |
| 4.1 算法概述 | 第38-39页 |
| 4.2 前缀投影模式枚举 | 第39-41页 |
| 4.3 基于信息增益的区分序列挖掘 | 第41-45页 |
| 4.3.1 区分力与支持度的关联 | 第41-43页 |
| 4.3.2 最小支持度阈值的设定 | 第43-45页 |
| 4.3.3 算法IGMine | 第45页 |
| 4.4 基于期望置信度的区分序列挖掘 | 第45-50页 |
| 4.4.1 期望置信度 | 第46页 |
| 4.4.2 基于动态规划的期望置信度计算 | 第46-49页 |
| 4.4.3 算法ECMine | 第49-50页 |
| 4.5 不确定区分闭序列提取 | 第50-58页 |
| 4.5.1 频繁概率的计算 | 第50-54页 |
| 4.5.2 概率支持度的计算 | 第54-56页 |
| 4.5.3 封闭性检验 | 第56-58页 |
| 4.6 削减策略 | 第58-60页 |
| 4.7 本章小结 | 第60-62页 |
| 第5章 实验测试及结果分析 | 第62-68页 |
| 5.1 实验环境与数据集 | 第62-63页 |
| 5.2 可扩展性 | 第63-64页 |
| 5.3 参数影响及分类准确性 | 第64-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第6章 结束语 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 攻读硕士期间发表的论文及参与的项目 | 第76页 |
