基于知识发现的时序数据挖掘算法研究
| 中文摘要 | 第1-3页 |
| 英文摘要 | 第3-6页 |
| 第一章 绪论 | 第6-9页 |
| 1．1 选题依据 | 第6-7页 |
| 1．2 实现意义 | 第7页 |
| 1．3 研究内容 | 第7-8页 |
| 1．4 组织安排 | 第8-9页 |
| 第二章 知识发现与数据挖掘 | 第9-23页 |
| 2．1 知识发现的产生与发展 | 第9-12页 |
| 2．2 知识发现 | 第12-15页 |
| 2．2．1 知识发现与描述 | 第12页 |
| 2．2．2 知识发现过程 | 第12-13页 |
| 2．2．3 相关技术 | 第13-15页 |
| 2．3 知识发现的应用 | 第15-16页 |
| 2．4 数据挖掘的理论基础 | 第16-17页 |
| 2．5 数据挖掘分类 | 第17-18页 |
| 2．6 数据挖掘过程 | 第18-20页 |
| 2．6．1 图形用户界面 | 第18页 |
| 2．6．2 数据准备 | 第18-19页 |
| 2．6．3 挖掘知识和信息 | 第19-20页 |
| 2．6．4 模式的解释和评价 | 第20页 |
| 2．7 数据挖掘技术和方法 | 第20-23页 |
| 第三章 连续属性的离散化 | 第23-30页 |
| 3．1 概述 | 第23-24页 |
| 3．2 离散化方法分类 | 第24-25页 |
| 3．3 常用的离散化方法 | 第25-30页 |
| 3．3．1 分箱 | 第25页 |
| 3．3．2 直方图分析 | 第25页 |
| 3．3．3 聚类 | 第25-26页 |
| 3．3．4 基于熵的离散化 | 第26-27页 |
| 3．3．5 基于语言场的离散化 | 第27-30页 |
| 第四章 数据挖掘方法 | 第30-46页 |
| 4．1 分类发现方法 | 第30-32页 |
| 4．2 聚类发现方法 | 第32-35页 |
| 4．2．1 聚类分析 | 第33-34页 |
| 4．2．2 概念聚类分析 | 第34-35页 |
| 4．3 关联规则发现方法 | 第35-41页 |
| 4．3．1 基本概念 | 第35-37页 |
| 4．3．2 Apriori算法 | 第37-41页 |
| 4．4 序列模式发现方法 | 第41-46页 |
| 4．4．1 序列模式相关定义 | 第41-43页 |
| 4．4．2 序列模式发现的景要算法 | 第43-46页 |
| 第五章 时序数据挖掘方法研究 | 第46-65页 |
| 5．1 时间数据库和时序数据库 | 第46-48页 |
| 5．2 时序数据库挖掘的几个重要方面 | 第48-52页 |
| 5．2．1 趋势分析 | 第48-50页 |
| 5．2．2 相似性搜索 | 第50页 |
| 5．2．3 序列模式挖掘 | 第50-52页 |
| 5．3 时间序列模式发现 | 第52-59页 |
| 5．3．1 时间序列数据模式挖掘算法 | 第52-59页 |
| 5．4 时序数据的关联规则挖掘 | 第59-65页 |
| 5．4．1 包含负属性的关联规则挖掘算法 | 第61-65页 |
| 第六章 总结与展望 | 第65-68页 |
| 6．1 总结 | 第65页 |
| 6．2 数据挖掘的发展趋势 | 第65-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-71页 |
