文摘
英文文摘
声明
致谢
1 引言
1.1 课题背景
1.2 本文所完成的工作
1.3 论文组织安排
2 分类及关联规则
2.1 数据挖掘
2.1.1 数据挖掘的概念
2.1.2 数据挖掘的功能和方法
2.2 分类及贝叶斯方法
2.2.1 分类概述
2.2.2 贝叶斯分类方法概述
2.3 关联规则
2.3.1 关联规则概述
2.3.2 Apriori算法
2.3.3 FP—Tree算法
3 显现模式及其应用
3.1 显现模式的概念和定义
3.2 常见特殊形式的EP
3.3 挖掘显现模式的基本方法
3.3.1 发现EP的Apriori法
3.3.2 基于边界表示的显现模式的挖掘
3.3.3 树型法
3.4 应用显现模式构造分类器
3.4.1 仅使用EP构造分类器
3.4.2 利用EP的特殊性质结合其他分类技术构造分类器
4 基于EP的分类算法实现及其改进
4.1 基于显现模式的分类算法
4.1.1 基于集成显现模式的分类器
4.1.2 基于跳跃显现模式的分类器
4.1.3 基于显现模式的决策分类
4.1.4 基于显现模式的贝叶斯分类器
4.2 显现模式与懒惰式分类方法
4.2.1 懒惰式学习方法
4.2.2 DeEPs中显现模式的选取及挖掘
4.2.3 显现模式的应用
4.2.4 DeEPs算法全过程
4.3 显现模式与懒惰式贝叶斯分类方法
4.3.1 选择eEP的优点
4.3.2 eEP的挖掘
4.3.3 使用eEP分类
4.3.4 最小支持度和最小增长率阈值的确定
4.3.5 eEP分类器的构造与使用
5 实验结果与分析
5.1 实验环境
5.2 数据预处理
5.3 数据集描述
5.4 实验结果及分析
5.5 本章小结
6 结论
6.1 研究工作总结
6.2 进一步研究的方向
参考文献
作者简历