声明
致谢
摘要
第一章 绪论
1.1 研究背景及意义
1.2 本文的研究问题及主要内容
1.3 本文的组织结构
第二章 领域知识综述
2.1 领域知识的定义
2.2 领域知识在数据挖掘中的作用
2.3 领域知识的国内外研究现状
2.4 小结
第三章 关系型领域知识模型
3.1 关系型领域知识模型(DKMRM)
3.1.1 单一关系型领域知识的表示模型研究
3.1.2 复杂关系型领域知识模型研究
3.2 基于DKMRM模型的变换讨论
3.3 小结
第四章 面向分类的关系型领域知识融合方法的框架和关键问题
4.1 多关系数据挖掘
4.1.1 多关系的数据挖掘研究现状
4.1.2 存在的问题
4.2 面向分类的领域知识融合方法框架及关键问题
4.2.1 面向分类的领域知识融合方法框架
4.2.2 元组ID传递
4.2.3 传递类标签
4.2.4 搜索关系的路径
4.2.5 领域知识(属性/表)选择
4.2.6 搜索关系的终止条件
4.3 小结
第五章 面向分类的关系型领域知识融合算法
5.1 基于属性选择的CC-DKMR算法
5.2 CC-DKMR实验结果与分析
5.2.1 性质属性分析实验
5.2.2 阈值设定
5.2.3 分类性能比较
5.3 基于表选择的CS-DKMR算法
5.3.1 CS-DKMR算法描述
5.3.2 基于最大信息增益率的多关系表的优化剪枝
5.3.3 基于贡献度的关系表的选择
5.3.4 多关系朴素贝叶斯分类
5.4 CS-DKMR实验结果与分析
5.4.1 数据离散化对比
5.4.2 阈值设定
5.4.3 数据规模对比
5.4.4 分类性能比较
5.5 CC-DKMR与CS-DKMR的算法比较
5.6 小结
第六章 数据挖掘评测阶段的领域知识融合及应用
6.1 数据挖掘评测阶段研究现状与分析
6.2 蜕变测试的基本概念
6.2.1 蜕变测试基本概念和原理
6.2.2 蜕变测试过程
6.2.3 蜕变测试结果的理论分析
6.3 基于蜕变关系的领域知识融合方法
6.3.1 方法描述
6.3.2 领域知识导入—构造蜕变关系
6.3.3 面向数据挖掘的蜕变测试结果初步说明
6.4 实验结果及分析
6.4.1 评测平台Weka
6.4.2 实验数据准备
6.4.3 实验结果及分析
6.4.4 方法普适性初步分析
6.5 小结
第七章 结束语
7.1 主要研究工作
7.2 下一步工作
参考文献
攻读博士学位期间的学术活动及成果情况
合肥工业大学;