文摘
英文文摘
论文说明:图表目录
第一章绪论
1.1引言
1.2全局和局部数据挖掘
1.2.1全局模型挖掘
1.2.2局部数据挖掘(模式发现)
1.3基于局部信息的全局数据挖掘
1.3.1基于数据粒度表示的挖掘
1.3.2基于局部模式的全局模型挖掘
1.3.3基于局部模式的全局信息获取
1.4本文的工作及结构
第二章基于数据粒表示的频繁模式挖掘
2.1引言
2.2相关工作
2.2.1数据的粒度表示
2.2.2 EMASK算法概述
2.3基于粒度表示的频繁模式挖掘算法GB-FIM
2.4基于粒度推理的频繁模式挖掘算法GrC-FIM
2.4.1支持度计算
2.4.2算法GrC-FIM
2.5实验与性能分析
2.5.1数据集
2.5.2效率分析
2.5.3准确性分析
2.6本章小节
第三章基于相似性的局部模式总结算法
3.1引言
3.2相关工作
3.2.1模式压缩
3.2.2序列模式挖掘
3.2.3偏序模型
3.3基于偏序的频繁序列模式压缩算法
3.3.1基本定义
3.3.2算法过程
3.4实验与性能分析
3.4.1数据集
3.4.2实验性能分析
3.4.3偏序实例
3.5本章小节
第四章基于局部特征的全局序列挖掘算法
4.1引言
4.2相关工作
4.2.1全局偏序模型
4.2.2动态贝叶斯网络
4.3基于频繁序列模式的启发式全局偏序算法
4.3.1启发式搜索
4.3.2构造全局偏序模型
4.3.3算法描述
4.3.4算法总结
4.3.5实验与性能分析
4.4基于传递闭包的动态贝叶斯网络构建算法
4.4.1传递闭包
4.4.2先验模型
4.4.3评分函数
4.4.4算法过程
4.4.5网络表达
4.4.6实验结果和分析
4.5本章小节
第五章全局和局部挖掘在文献数据分析中的应用
5.1引言
5.2 LDA主题模型
5.3基于贝叶斯网络理解研究领域的变化
5.3.1研究背景
5.3.2基本假设
5.3.3构造方法
5.3.4实验结果和分析
5.4基于模块化网络的主题影响研究
5.4.1研究背景
5.4.2研究思路
5.4.3方法描述
5.4.4实验结果和分析
5.5本章小节
第六章总结与展望
6.1总结
6.2展望
参考文献
攻读博士学位期间主要的研究成果
致谢