摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第1章 绪论 | 第12-26页 |
1.1 研究背景及意义 | 第12-14页 |
1.2 国内外研究现状 | 第14-22页 |
1.2.1 图聚类 | 第14-16页 |
1.2.2 图分类 | 第16-17页 |
1.2.3 图模式挖掘 | 第17-22页 |
1.3 本文的研究内容和主要贡献 | 第22-24页 |
1.4 本文的组织结构 | 第24-26页 |
第2章 协同区分子图模式挖掘算法的研究 | 第26-50页 |
2.1 引言 | 第26-28页 |
2.2 相关工作 | 第28-29页 |
2.3 问题描述 | 第29-32页 |
2.3.1 基础概念 | 第29-31页 |
2.3.2 问题定义 | 第31-32页 |
2.4 GINS算法 | 第32-39页 |
2.4.1 DFS编码搜索树 | 第32-33页 |
2.4.2 非冗余协同图模式性质和削减规则 | 第33-35页 |
2.4.3 非冗余协同图模式检测策略 | 第35-39页 |
2.5 GINS算法的多类扩展 | 第39-40页 |
2.6 实验结果与分析 | 第40-48页 |
2.6.1 实验数据集 | 第40-41页 |
2.6.2 算法的效率 | 第41-44页 |
2.6.3 算法的有效性 | 第44-46页 |
2.6.4 算法的多类扩展 | 第46-48页 |
2.7 本章小结 | 第48-50页 |
第3章 多样性度量的区分子图挖掘算法的研究 | 第50-64页 |
3.1 引言 | 第50-51页 |
3.2 相关工作 | 第51-52页 |
3.3 问题描述 | 第52-54页 |
3.3.1 基础概念 | 第52-53页 |
3.3.2 问题定义 | 第53-54页 |
3.4 多样性度量的区分子图挖掘 | 第54-57页 |
3.4.1 Greedy-TopK算法 | 第54-55页 |
3.4.2 Leap-TopK算法 | 第55-57页 |
3.5 实验结果及分析 | 第57-62页 |
3.5.1 实验数据集 | 第57-58页 |
3.5.2 算法的效率 | 第58-60页 |
3.5.3 算法的有效性 | 第60-62页 |
3.6 本章小结 | 第62-64页 |
第4章 基于ELM过滤的大规模区分子图挖掘算法的研究 | 第64-82页 |
4.1 引言 | 第64-65页 |
4.2 相关工作 | 第65-66页 |
4.3 问题描述 | 第66-70页 |
4.3.1 区分子图挖掘 | 第66-68页 |
4.3.2 MapReduce | 第68-69页 |
4.3.3 ELM算法 | 第69-70页 |
4.4 基于ELM过滤的大规模区分子图挖掘算法 | 第70-76页 |
4.4.1 图数据划分 | 第71-72页 |
4.4.2 区分子图挖掘 | 第72-74页 |
4.4.3 ELM过滤 | 第74-76页 |
4.5 构建图分类模型 | 第76页 |
4.6 实验结果及分析 | 第76-81页 |
4.6.1 实验设置 | 第76-77页 |
4.6.2 实验数据集 | 第77-78页 |
4.6.3 算法的效率 | 第78-79页 |
4.6.4 算法的对比 | 第79-81页 |
4.7 本章小结 | 第81-82页 |
第5章 基于进化计算的大规模区分子图挖掘算法的研究 | 第82-100页 |
5.1 引言 | 第82-83页 |
5.2 相关工作 | 第83-84页 |
5.3 问题描述 | 第84-87页 |
5.3.1 区分子图挖掘 | 第84-85页 |
5.3.2 MapReduce和HaLoop | 第85-87页 |
5.4 HaLoop上的区分子图挖掘算法 | 第87-94页 |
5.4.1 HaLoop迭代处理模型 | 第87-88页 |
5.4.2 进化计算 | 第88-93页 |
5.4.3 减少通讯代价 | 第93-94页 |
5.5 图分类 | 第94-95页 |
5.6 实验结果及分析 | 第95-99页 |
5.6.1 实验设置 | 第95-96页 |
5.6.2 实验数据集 | 第96-97页 |
5.6.3 算法的效率 | 第97页 |
5.6.4 算法的对比 | 第97-99页 |
5.7 本章小结 | 第99-100页 |
第6章 结束语 | 第100-104页 |
6.1 本文工作总结 | 第100-101页 |
6.2 未来的研究方向 | 第101-104页 |
参考文献 | 第104-114页 |
致谢 | 第114-116页 |
攻博期间发表的论文 | 第116-118页 |
攻博期间参与的项目 | 第118-120页 |
作者简介 | 第120页 |