摘要 | 第6-8页 |
ABSTRACT | 第8-9页 |
1 绪论 | 第12-18页 |
1.1 研究背景和意义 | 第12-13页 |
1.2 国内外研究现状 | 第13-15页 |
1.3 研究内容及创新点 | 第15-16页 |
1.3.1 研究内容 | 第15-16页 |
1.3.2 创新点 | 第16页 |
1.4 本文章节安排 | 第16-18页 |
2 相关技术和理论介绍 | 第18-29页 |
2.1 经典关联规则介绍 | 第18-22页 |
2.1.1 频繁项集挖掘 | 第18-19页 |
2.1.2 经典关联规则挖掘算法 Apriori 的介绍 | 第19-20页 |
2.1.3 关联规则的产生 | 第20-21页 |
2.1.4 关联规则的lift评估 | 第21-22页 |
2.2 时序关联规则介绍 | 第22-26页 |
2.2.1 时序关联规则的分类 | 第22-23页 |
2.2.2 时序关联规则挖掘的一般流程 | 第23页 |
2.2.3 时间序列数据的预处理 | 第23-25页 |
2.2.4 时间序列数据上频繁模式的挖掘 | 第25页 |
2.2.5 时序关联规则的产生和评估 | 第25-26页 |
2.3 模式的相似性度量和聚类 | 第26-28页 |
2.3.1 模式的相似性度量 | 第26-27页 |
2.3.2 模式的聚类 | 第27-28页 |
2.3.3 聚簇间距离的定义 | 第28页 |
2.4 本章小结 | 第28-29页 |
3 基于Apriori改进的频繁模式挖掘算法 | 第29-49页 |
3.1 基于Apriori算法的改进 | 第29-30页 |
3.2 基于Improved-Apriori 算法挖掘序列内频繁模式 | 第30-35页 |
3.2.1 术语定义 | 第30-31页 |
3.2.2 连接步骤 | 第31页 |
3.2.3 改进的支持度计数方法——位置列表生成步骤 | 第31-33页 |
3.2.4 算法描述 | 第33-34页 |
3.2.5 时间复杂度分析 | 第34-35页 |
3.3 基于Improved-Apriori 算法挖掘序列间频繁模式 | 第35-42页 |
3.3.1 术语定义 | 第35-36页 |
3.3.2 连接步骤 | 第36页 |
3.3.3 改进的支持度计数方法——位置列表生成步骤 | 第36-38页 |
3.3.4 序列间模式位置的自重叠 | 第38-39页 |
3.3.5 算法描述 | 第39-41页 |
3.3.6 时间复杂度分析 | 第41-42页 |
3.4 时序关联规则的产生 | 第42页 |
3.5 实验 | 第42-47页 |
3.5.1 实验准备 | 第43-44页 |
3.5.2 传感器数据预处理 | 第44-45页 |
3.5.3 序列内频繁模式挖掘 | 第45-46页 |
3.5.4 序列间频繁模式挖掘 | 第46-47页 |
3.5.5 结果对比和分析 | 第47页 |
3.6 缺点分析 | 第47-48页 |
3.7 本章小结 | 第48-49页 |
4 模式聚簇间时序关联规则的挖掘 | 第49-59页 |
4.1 序列内模式的剪枝 | 第50页 |
4.2 模式聚簇间频繁模式的挖掘 | 第50-52页 |
4.2.1 术语说明 | 第50页 |
4.2.2 序列内模式的聚类 | 第50-51页 |
4.2.3 序列内模式聚簇的位置列表 | 第51-52页 |
4.3 实验 | 第52-56页 |
4.3.1 序列内模式的剪枝 | 第52-53页 |
4.3.2 序列内模式的聚类 | 第53-54页 |
4.3.3 序列间模式的挖掘 | 第54-55页 |
4.3.4 时序关联规则的产生 | 第55页 |
4.3.5 结果对比和分析 | 第55-56页 |
4.4 方法优势及其原因分析 | 第56-58页 |
4.5 本章小结 | 第58-59页 |
5 多传感器数据上时序关联规则的分析和评估 | 第59-66页 |
5.1 实验参数的设置 | 第59-61页 |
5.2 基于规则置信度的规则评估 | 第61-62页 |
5.3 基于规则lift值的规则评估 | 第62-63页 |
5.4 时序关联规则的展示和意义分析 | 第63-65页 |
5.5 本章小结 | 第65-66页 |
6 总结和展望 | 第66-68页 |
6.1 本文工作总结 | 第66页 |
6.2 工作展望 | 第66-68页 |
参考文献 | 第68-72页 |
攻读硕士学位期间发表的学术论文 | 第72-73页 |
致谢 | 第73页 |