| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-20页 |
| ·研究背景 | 第9-10页 |
| ·数据挖掘综述 | 第10-13页 |
| ·数据挖掘的产生与发展 | 第10-11页 |
| ·数据挖掘研究内容及功能 | 第11-12页 |
| ·数据挖掘常用技术及工具 | 第12-13页 |
| ·时态数据挖掘综述 | 第13-16页 |
| ·时态模型 | 第13-14页 |
| ·时态数据挖掘研究方向 | 第14-15页 |
| ·时态数据挖掘研究工具 | 第15-16页 |
| ·周期模式挖掘综述 | 第16-18页 |
| ·周期模式挖掘类型 | 第16-17页 |
| ·周期模式挖掘存在的不足 | 第17-18页 |
| ·本文研究的内容 | 第18-20页 |
| 2 多维时态数据模型 | 第20-31页 |
| ·与时间相关的一些概念和性质 | 第20-24页 |
| ·时态型和时间粒度 | 第20-23页 |
| ·时态型的连续性 | 第23-24页 |
| ·多维时态模型 | 第24-28页 |
| ·多维时态事件模型 | 第24-25页 |
| ·事件运算及性质 | 第25-26页 |
| ·多维时态预测模型 | 第26-28页 |
| ·多维时态周期关联规则模型 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 3 多维时态近似周期挖掘 | 第31-47页 |
| ·模型构造 | 第31-34页 |
| ·基于层次聚类技术的多维近似周期模式挖掘算法 | 第34-40页 |
| ·数据准备 | 第35-37页 |
| ·挖掘算法 | 第37-38页 |
| ·实验结果 | 第38-40页 |
| ·基于SQL语言和SOM聚类的多维时态近似周期挖掘算法 | 第40-46页 |
| ·SOM网络的拓扑结构和工作原理 | 第40-42页 |
| ·SOM训练算法 | 第42-43页 |
| ·SOM多维近似周期挖掘算法 | 第43-45页 |
| ·输入特征向量预处理 | 第43-44页 |
| ·SOM多维近似周期挖掘算法 | 第44-45页 |
| ·实验结果 | 第45-46页 |
| ·小结 | 第46-47页 |
| 4 多维近似周期关联规则 | 第47-68页 |
| ·多维近似周期关联规则模型扩展 | 第47-51页 |
| ·多维时态近似周期关联规则类型 | 第47-48页 |
| ·模型构造 | 第48-51页 |
| ·多维时态周期关联规则约简 | 第51页 |
| ·多维近似周期关联规则挖掘算法 | 第51-59页 |
| ·数据准备 | 第52页 |
| ·基于单对象的维间近似周期关联规则挖掘算法 | 第52-55页 |
| ·多对象同步近似周期关联规则挖掘 | 第55-58页 |
| ·多对象异步近似周期关联规则挖掘 | 第58-59页 |
| ·实验结果及预测 | 第59-65页 |
| ·算法对比 | 第65-67页 |
| ·小结 | 第67-68页 |
| 5 总结与展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士期间公开发表的论文 | 第74页 |