| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 研究目的 | 第10-11页 |
| 1.4 研究内容 | 第11页 |
| 1.5 论文的组织结构 | 第11-12页 |
| 第二章 数据挖掘概述 | 第12-24页 |
| 2.1 数据挖掘 | 第12-18页 |
| 2.1.1 数据挖掘的定义 | 第12-13页 |
| 2.1.2 数据挖掘的功能 | 第13-15页 |
| 2.1.3 数据挖掘的方法 | 第15-16页 |
| 2.1.4 数据挖掘的发展趋势 | 第16-18页 |
| 2.2 频繁项集挖掘 | 第18-23页 |
| 2.2.1 频繁项集挖掘的相关概念 | 第18页 |
| 2.2.2 Apriori算法 | 第18-19页 |
| 2.2.3 FP-growth算法 | 第19-23页 |
| 2.2.4 算法性能分析比较 | 第23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 频繁子图挖掘 | 第24-38页 |
| 3.1 频繁子图挖掘的相关概念 | 第24-25页 |
| 3.2 频繁子图挖掘算法 | 第25-29页 |
| 3.2.1 基于Apriori的频繁子图挖掘算法 | 第26-27页 |
| 3.2.2 基于模式增长的频繁子图挖掘算法 | 第27-29页 |
| 3.3 gSpan算法 | 第29-32页 |
| 3.3.1 后向扩展和前向扩展 | 第29-30页 |
| 3.3.2 DFS编码 | 第30-31页 |
| 3.3.3 算法描述 | 第31-32页 |
| 3.3.4 算法复杂性分析 | 第32页 |
| 3.4 FFSM算法 | 第32-37页 |
| 3.4.1 标准邻接矩阵 | 第32-33页 |
| 3.4.2 FFSM-Join和FFSM-Extension | 第33-34页 |
| 3.4.3 次优CAM树 | 第34-35页 |
| 3.4.4 算法描述 | 第35-36页 |
| 3.4.5 算法复杂性分析 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于自同构映射的频繁子图挖掘 | 第38-47页 |
| 4.1 算法主要思想 | 第38页 |
| 4.2 算法相关内容 | 第38-43页 |
| 4.2.1 子图的存储 | 第38-39页 |
| 4.2.2 自同构映射表 | 第39-41页 |
| 4.2.3 子图的扩展 | 第41-43页 |
| 4.3 算法描述 | 第43-44页 |
| 4.4 算法复杂性分析 | 第44-45页 |
| 4.4.1 时间复杂性分析 | 第44页 |
| 4.4.2 空间复杂性分析 | 第44-45页 |
| 4.5 实验结果及分析 | 第45-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第五章 频繁子图挖掘在化合物性质预测中的应用 | 第47-52页 |
| 5.1 基于自同构映射的闭频繁子图挖掘 | 第47-49页 |
| 5.2 化合物性质预测 | 第49-50页 |
| 5.3 实验结果及分析 | 第50-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 在学期间的研究成果 | 第57-58页 |
| 致谢 | 第58页 |