文摘
英文文摘
声明
第一章绪论
1.1研究背景
1.2国内外研究现状
1.3本文的工作
1.3.1研究目标
1.3.2研究内容
1.3.3组织结构
第二章预备知识:频繁模式挖掘
2.1频繁模式的高效挖掘算法
2.1.1基本挖掘方法:apriori,FP-growth,eclat
2.1.2挖掘闭包和最大频繁项集
2.1.3频繁序列
2.1.4挖掘结构模式:图、树、格
2.2挖掘兴趣频繁模式
2.2.1基于约束的挖掘
2.2.2挖掘压缩的模式或近似的模式
2.2.3从频繁模式到兴趣度和相关性分析
2.3频繁模式对数据分析和挖掘任务的影响
2.3.1基于频繁模式的分类
2.3.2基于频繁模式的簇分析
2.4应用
2.4.1复杂结构数据的检索和相似搜索
2.4.2多媒体数据挖掘
2.4.3挖掘数据流
2.4.4网络挖掘
2.4.5生物医学和DNA数据分析
2.5频繁模式挖掘的研究方向
2.6结论
第三章在长度递减支持度约束条件下挖掘频繁闭包项集
3.1相关工作
3.2有关术语和定义
3.3数据结构
3.4搜索策略
3.5闭包检测方法
3.6剪枝策略
3.6.1无效前缀剪裁
3.6.2基于SVE性质的剪裁
3.7算法描述
3.8优化方法
3.9算法分析与比较
3.9.1测试环境和数据集
3.9.2实验结果
3.10总结
第四章子空间聚类分析
4.1子空间聚类理论
4.1.1聚类分析
4.1.2挑战和目标
4.2子空间聚类算法的分类
4.2.1数值型数据集的子空间聚类
4.2.2分类型数据集的子空间聚类
4.2.3子空间选择算法
4.3应用
4.3.1网络文本挖掘
4.3.2 DNA微点阵分析
4.5总结
第五章 LDS-频繁模式在子空间聚类中的应用
5.1研究的动机和内容
5.2子空间质量度量标准
5.2.1总的想法
5.2.2新标准的特点
5.2.3相关概念的形式定义
5.2.4质量度量函数的性质
5.3子空间质量与LDS-频繁闭包模式
5.4搜索兴趣子空间
5.5总结
第六章总结与展望
6.1总结
6.2对进一步工作的展望
参考文献
攻读硕士学位期间发表的论文及所参与基金项目
致谢