首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

面向数据流的时段性高效用项集挖掘研究

摘要第1-4页
Abstract第4-8页
第1章 绪论第8-14页
   ·研究背景与意义第8-9页
     ·研究背景第8-9页
     ·研究意义第9页
   ·国内外研究现状第9-12页
     ·关联规则挖掘研究现状第9-10页
     ·高效用项集挖掘研究现状第10-11页
     ·数据流中高效用项集挖掘研究现状第11-12页
   ·本文的工作及创新第12-13页
   ·文章的组织结构第13-14页
第2章 预备知识第14-21页
   ·关联规则挖掘研究第14-16页
     ·关联规则挖掘基本概念第14页
     ·关联规则挖掘过程第14-15页
     ·经典挖掘算法APRIORI第15-16页
   ·高效用项集挖掘研究第16-19页
     ·传统数据模型第16页
     ·高效用项集挖掘相关定义第16-17页
     ·经典挖掘算法Two-PHASE第17-19页
   ·数据流挖掘研究第19-20页
     ·数据流的特点第19页
     ·数据流挖掘相关技术第19-20页
     ·数据流挖掘的应用第20页
   ·本章小结第20-21页
第3章 问题定义第21-27页
   ·新数据模型第21-24页
     ·折扣策略第21页
     ·带折扣策略的高效用项集挖掘模型第21-24页
   ·带折扣策略的高效用项集定义第24-26页
     ·基础概念第24页
     ·时段性高效用项集定义第24-26页
   ·本章小结第26-27页
第4章 批量式挖掘算法第27-43页
   ·修改的TWO-PHASE算法第27-32页
     ·带折扣策略的Two-PHASE算法描述第29-31页
     ·算法实例与分析第31-32页
   ·提出的TIB算法第32-38页
     ·索引列表结构(INDEX-LIST STRUCTURE)第32-33页
     ·TIB算法描述第33-35页
     ·算法实例与分析第35-37页
     ·TIB算法剪枝策略第37-38页
   ·实验数据集第38-39页
   ·TIB算法与TWO-PHASE算法性能对比第39-42页
   ·本章小结第42-43页
第5章 增量式挖掘算法第43-60页
   ·修改的FUP算法第44-51页
     ·FUP算法思想第44-45页
     ·带折扣策略的FUP算法描述第45-47页
     ·算法实例与分析第47-50页
     ·FUP算法性能评估第50-51页
   ·提出的IFUP算法第51-59页
     ·IFUP算法描述第52-54页
     ·算法实例与分析第54-58页
     ·IFUP算法性能评估第58-59页
   ·本章小结第59-60页
第6章 总结与展望第60-61页
致谢第61-62页
参考文献第62-65页
攻读硕士学位期间发表的论文及科研成果第65页

论文共65页,点击 下载论文
上一篇:油气集输SCADA安全防御解析型因素神经网络关系模型研究
下一篇:油气集输SCADA安全防御解析型因素神经元模型研究