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

区分子图模式挖掘技术的研究

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

论文共120页,点击 下载论文
上一篇:数字化城市管理时空数据挖掘及应用
下一篇:面向微博突发话题的舆情分析若干关键技术研究