交易序列数据挖掘研究
| 目录 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-12页 |
| 第一章 引言 | 第12-18页 |
| ·研究背景及其意义 | 第12-13页 |
| ·目前面临的挑战 | 第13-15页 |
| ·有效利用领域知识 | 第13-14页 |
| ·合理定义相似性度量 | 第14页 |
| ·兼顾算法的准确性与效率 | 第14-15页 |
| ·本文的主要内容 | 第15-16页 |
| ·本文的章节安排 | 第16-18页 |
| 第二章 交易序列数据挖掘研究综述 | 第18-32页 |
| ·交易序列数据源 | 第18-19页 |
| ·与其他序列数据的区别 | 第19-20页 |
| ·交易序列数据挖掘的任务 | 第20-21页 |
| ·交易序列数据的研究方法 | 第21-27页 |
| ·基于时间序列的研究方法 | 第21-23页 |
| ·基于事件序列的研究方法 | 第23-25页 |
| ·基于字符序列的研究方法 | 第25-27页 |
| ·国内外研究状况 | 第27-31页 |
| ·交易序列模式挖掘 | 第27-28页 |
| ·交易序列模式查询与预测 | 第28-29页 |
| ·基于交易序列模式的聚类 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 交易序列模式挖掘 | 第32-53页 |
| ·交易序列模式及其定义 | 第32-35页 |
| ·交易序列基本模式 | 第32页 |
| ·交易序列原子模式 | 第32-35页 |
| ·交易序列复合模式 | 第35页 |
| ·交易序列模式的相似性计算 | 第35-40页 |
| ·增长/下降模式的相似性度量 | 第36-37页 |
| ·序列模式的通用相似性度量 | 第37-39页 |
| ·对称使用距离函数的计算方法 | 第39页 |
| ·趋势融合的计算方法 | 第39-40页 |
| ·原子模式快速查找算法FPp | 第40-41页 |
| ·原子模式TOP K频繁项挖掘算法TFPpM | 第41-43页 |
| ·频繁的复合模式挖掘算法FCpM | 第43-44页 |
| ·实验及其结果分析 | 第44-52页 |
| ·参数说明 | 第45页 |
| ·FPp算法查找原子模式的结果 | 第45页 |
| ·TFPpM算法的实验 | 第45-50页 |
| ·FCpM算法结果可视化 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 交易序列模式查询与预测 | 第53-71页 |
| ·相关定义 | 第53-54页 |
| ·趋势融合的相似性查询算法SQ_TM | 第54-55页 |
| ·价格融合的相似性查询算法SQ_PM | 第55-57页 |
| ·基于查询的趋势预测算法FSQ | 第57-58页 |
| ·实验及其结果分析 | 第58-70页 |
| ·参数说明 | 第59页 |
| ·SQ_TM算法的伸缩性比较 | 第59-61页 |
| ·SQ_TM和SQ_PM算法的性能比较 | 第61-63页 |
| ·FSQ算法的实验 | 第63-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 基于交易序列模式的聚类 | 第71-84页 |
| ·问题描述 | 第71页 |
| ·相关定义 | 第71页 |
| ·基于增长/下降模式的聚类算法TCP | 第71-75页 |
| ·目标函数 | 第72页 |
| ·实现过程 | 第72-75页 |
| ·实验及其结果分析 | 第75-83页 |
| ·FPp算法查找增长/下降模式的结果及其效率 | 第75-76页 |
| ·TCP算法的分步骤结果簇比较 | 第76-77页 |
| ·基于商品交易增长模式聚类的实验 | 第77-80页 |
| ·基于证券交易增长/下降模式聚类的实验 | 第80-83页 |
| ·本章小结 | 第83-84页 |
| 第六章 结论 | 第84-86页 |
| ·本文研究成果总结 | 第84-85页 |
| ·未来工作及展望 | 第85-86页 |
| 攻读博士学位期间的工作成果 | 第86-87页 |
| 致谢 | 第87-88页 |
| 参考文献 | 第88-100页 |
