海量数据挖掘技术研究 |
论文目录 | | | 前言 | 第1-6
页 | | 摘要 | 第6-8
页 | | ABSTRACT | 第8-14
页 | | 第1章 概论 | 第14-20
页 | | · 数据挖掘技术的兴起 | 第14-15
页 | | · 数据挖掘的主要问题 | 第15-17
页 | | · 数据挖掘任务与知识类型 | 第15-16
页 | | · 数据挖掘的过程 | 第16
页 | | · 数据挖掘的对象 | 第16
页 | | · 数据挖掘的应用 | 第16-17
页 | | · 面临的挑战 | 第17
页 | | · 本文的工作 | 第17-18
页 | | · 本文的结构 | 第18-20
页 | | 第2章 数据挖掘技术综述 | 第20-34
页 | | · 频繁模式与关联规则挖掘 | 第20-24
页 | | · 单层单维布尔型关联规则挖掘与Apriori算法 | 第20-22
页 | | · 对Apriori算法的改进 | 第22-23
页 | | · 频繁模式与关联规则挖掘研究的新发展 | 第23-24
页 | | · 闭合模式挖掘与A-Close算法 | 第24-27
页 | | · 闭合模式挖掘与A-Close算法 | 第24-26
页 | | · 其它闭合模式挖掘算法 | 第26-27
页 | | · 最大模式挖掘与Pincer-Search算法 | 第27-30
页 | | · 最大模式挖掘与Pincer-Search算法 | 第27-28
页 | | · 其它最大模式挖掘算法 | 第28-30
页 | | · 多层多维关联规则挖掘 | 第30-31
页 | | · 对关联规则挖掘的其它扩展 | 第31-32
页 | | · 数据挖掘软件的发展 | 第32-34
页 | | 第3章 伺机投影策略的挖掘算法 | 第34-50
页 | | · 引言 | 第34-35
页 | | · 问题的描述 | 第35-37
页 | | · 频繁模式树的构造 | 第37-38
页 | | · 模式支持集的表示与投影 | 第38-42
页 | | · 稀疏型PTS的基于数组表示及其投影 | 第38-40
页 | | · 密集型PTS的基于树表示及虚拟投影 | 第40-42
页 | | · 伺机投影策略与OpportuneProject算法 | 第42-45
页 | | · 伺机投影的启发式原则 | 第42-43
页 | | · OpportuneProject算法 | 第43-45
页 | | · 性能评价 | 第45-49
页 | | · 数据集及其特性 | 第45-46
页 | | · 基本实验结果 | 第46-48
页 | | · 可伸缩性试验 | 第48-49
页 | | · 小结 | 第49-50
页 | | 第4章 闭合模式与最大模式挖掘 | 第50-66
页 | | · 引言 | 第50-51
页 | | · 问题的描述 | 第51-52
页 | | · 复合型频繁模式树及其生成 | 第52-54
页 | | · 复合型频繁模式树CFIST | 第52-53
页 | | · CFIST结点的合并 | 第53-54
页 | | · CFIST的生成算法 | 第54
页 | | · CFIST的剪裁与包含关系的检查 | 第54-56
页 | | · 高效的CFIST局部剪裁 | 第54-55
页 | | · 分枝包容关系的快速检查 | 第55
页 | | · 快速杂凑法 | 第55-56
页 | | · CROP:挖掘闭合模式的高性能算法 | 第56-58
页 | | · 平衡CFIST生成与剪裁效率 | 第56-57
页 | | · CROP算法 | 第57-58
页 | | · CROP性能测评 | 第58-62
页 | | · CROP与CHARM效率对比 | 第58-60
页 | | · CROP与CLOSET效率对比 | 第60
页 | | · CROP与MAFIA效率对比。 | 第60-61
页 | | · 可伸缩性实验 | 第61-62
页 | | · 挖掘最大频繁模式的新算法MOP | 第62-64
页 | | · 最大频繁模式集及其剪裁 | 第62
页 | | · MOP算法 | 第62-63
页 | | · MOP的性能评价 | 第63-64
页 | | · 小结 | 第64-66
页 | | 第5章 多维多层关联规则与分类规则 | 第66-78
页 | | · 关联规则与无冗余关联规则 | 第66-68
页 | | · 多维多层多数据类型关联规则挖掘 | 第68-72
页 | | · 多维多层多数据类型关联规则挖掘问题 | 第69-70
页 | | · MDML-PP算法 | 第70-71
页 | | · 性能测评 | 第71-72
页 | | · 挖掘多支持率分类规则 | 第72-76
页 | | · 分类规则挖掘与TTF扩展 | 第72-73
页 | | · 多支持率剪裁 | 第73-74
页 | | · 分类规则及其单阶段挖掘算法 | 第74-75
页 | | · 对比实验 | 第75-76
页 | | · 小结 | 第76-78
页 | | 第6章 智能型数据挖掘工具设计与实现 | 第78-92
页 | | · 引言 | 第78-79
页 | | · 数据仓库及其管理 | 第79-81
页 | | · 数据仓库模型与OLAP | 第79-80
页 | | · 数据仓库的框架描述 | 第80
页 | | · 数据仓库管理器 | 第80-81
页 | | · 数据挖掘任务的描述、管理及执行机制 | 第81-84
页 | | · 数据挖掘作业Job的描述 | 第81-82
页 | | · 挖掘任务模型Scenario的定义 | 第82-83
页 | | · 挖掘任务模型的管理与执行 | 第83-84
页 | | · 智能型数据挖掘引擎 | 第84-87
页 | | · 算法描述库与算法模块 | 第84-86
页 | | · 知识库与引擎管理器 | 第86-87
页 | | · SmartMiner体系结构 | 第87-88
页 | | · 关键技术与SmartMiner原型实现 | 第88-91
页 | | · 小结 | 第91-92
页 | | 第7章 网络海量数据协同挖掘 | 第92-112
页 | | · 引言 | 第92-93
页 | | · 分布式黑板控制 | 第93-94
页 | | · 问题求解的黑板系统 | 第93
页 | | · 分布式问题求解与黑板控制 | 第93-94
页 | | · 形式化描述语言 | 第94-96
页 | | · 黑板的描述 | 第94
页 | | · 知识源的描述 | 第94-95
页 | | · 知识交换格式 | 第95-96
页 | | · 实现分布式黑板控制的一般智能代理 | 第96-98
页 | | · 一般智能代理GA的结构设计 | 第96-97
页 | | · 智能代理软件DBC-MA的实现 | 第97-98
页 | | · 分布式数据挖掘系统DistributedMiner | 第98-101
页 | | · 分布式知识发现功能 | 第99
页 | | · DistributedMiner的黑板设计 | 第99
页 | | · 挖掘平台体系结构 | 第99-100
页 | | · DistributedMiner的实现与应用 | 第100-101
页 | | · 从分布计算到移动计算 | 第101-107
页 | | · 什么是智能代理 | 第102
页 | | · 智能代理的特征 | 第102-103
页 | | · 移动型智能代理 | 第103-104
页 | | · 典型mobile agent系统 | 第104-107
页 | | · 移动式数据挖掘系统模型 | 第107-109
页 | | · 移动型智能代理服务器 | 第107-108
页 | | · DBC-MA变型 | 第108-109
页 | | · MobileMiner工作流程 | 第109
页 | | · 小结 | 第109-112
页 | | 第8章 结论和展望 | 第112-114
页 | | 参考文献 | 第114-130
页 | | 公开发表的论文、主持和参加的科研项目 | 第130-132
页 | | 致谢 | 第132-133
页 |
|
|
|
| |
