第1章 绪论
1.1 研究背景
1.1.1 数据挖掘概述
1.1.2 频繁模式挖掘的作用
1.2 国内外研究现状
1.3 本文主要研究工作
1.3.1 挖掘频繁子图面临的挑战
1.3.2 主要解决办法
1.3.3 本文主要研究成果
1.4 本文章节安排
第2章 频繁模式挖掘
2.1 引言
2.2 传统的FPM算法
2.2.1 频繁项集挖掘
2.2.2 频繁序列挖掘
2.2.3 频繁子树挖掘
2.2.4 频繁子图挖掘
2.3 采样和随机方法在FPM中的应用
2.4 压缩频繁模式
2.4.1 极大/闭频繁模式挖掘
2.4.2 TOP-K模式挖掘
2.4.3 基于聚类的代表模式集合挖掘
2.4.4 频繁图模式压缩
2.5 本章小结
第3章 挖掘极大频繁子图
3.1 引言
3.2 背景知识
3.3 极大频繁子图挖掘算法RMPM
3.3.1 算法的搜索空间
3.3.2 算法使用的数据结构
3.3.3 算法描述
3.3.4 子图查询
3.3.5 支持度计算
3.4 实验结果与分析
3.4.1 真实数据集上的实验结果与分析
3.4.2 模拟数据集上的实验结果与分析
3.5 极大频繁自由树挖掘实验结果与分析
3.6 本章小结
第4章 挖掘具有代表性的频繁模式
4.1 引言
4.2 背景知识
4.3 挖掘具有代表性的模式
4.3.1 相似度测量
4.3.2 FRSM算法
4.3.3 InRSM算法
4.4 实验结果与分析
4.4.1 实验设置
4.4.2 图相似度阈值对实验结果的影响
4.4.3 相似度测量函数对聚类质量的影响
4.4.4 权重系数对MN_SIM相似度测量函数的影响
4.4.5 InRSM和FRSM效率对比实验
4.4 本章小结
结论
参考文献
致谢
攻读硕士学位期间发表的学术论文
声明