不確定圖數(shù)據(jù)挖掘

第1章 不確定圖數(shù)據(jù)挖掘概述 1．1 不確定圖數(shù)據(jù)的產(chǎn)生 1．2 不確定圖數(shù)據(jù)挖掘的概念 1．3 不確定圖數(shù)據(jù)挖掘面臨的挑戰(zhàn) 1．4 不確定圖數(shù)據(jù)挖掘的研究內(nèi)容 1．4．1 不確定圖數(shù)據(jù)模型 1．4．2 不確定圖數(shù)據(jù)挖掘問題的語義 1．4．3 不確定圖數(shù)據(jù)挖掘問題的計(jì)算復(fù)雜性 1．4．4 不確定圖數(shù)據(jù)挖掘算法 1．4．5 不確定圖數(shù)據(jù)挖掘的應(yīng)用 第2章 不確定圖數(shù)據(jù)模型 2．1 確定圖 2．2 不確定圖 2．2．1 不確定圖的形式化表示 2．2．2 不確定圖的語義 2．3 不確定圖數(shù)據(jù)庫 2．3．1 不確定圖數(shù)據(jù)庫的形式化表示 2．3．2 不確定圖數(shù)據(jù)庫的語義 2．4 不確定圖數(shù)據(jù)模型的擴(kuò)展 第3章 不確定圖數(shù)據(jù)挖掘問題的語義 3．1 確定圖數(shù)據(jù)挖掘問題的語義 3．2 不確定圖數(shù)據(jù)挖掘問題的語義 第4章 期望頻繁子圖模式挖掘 4．1 確定圖數(shù)據(jù)上的頻繁子圖模式挖掘 ． 4．2 問題定義 4．3 計(jì)算復(fù)雜性 4．3． 1#P復(fù)雜性類 4．3．2 期望頻繁子圖模式挖掘問題的計(jì)算復(fù)雜性 4．3．3 期望支持度計(jì)算的復(fù)雜性 4．4 子圖模式的表示方法 4．5 近似挖掘算法 4．5．1 問題松馳 4．5．2 算法概述 4．5．3 期望支持度的計(jì)算算法 4．5．4 DFS編碼樹的優(yōu)化裁剪方法 4．5．5 完整算法 第5章 概率頻繁子圖模式挖掘 5．1 問題定義 ． 5．2 計(jì)算復(fù)雜性 5．2．1 概率頻繁子圖模式挖掘問題的計(jì)算復(fù)雜性 5．2．2 □一頻繁概率計(jì)算的復(fù)雜性 5．3 近似挖掘算法 5．3．1 算法概述 5．3．2 計(jì)算□一頻繁概率近似區(qū)間的算法 5．3．3 完整算法 5．3．4 參數(shù)設(shè)置方法 5．3．5 算法優(yōu)化 5．4 頻繁子圖模式挖掘語義的區(qū)別 5．4．1 數(shù)學(xué)分析 5．4．2 實(shí)驗(yàn)分析 第6章 TOP一K極大團(tuán)挖掘 6．1問題定義． 6．2 計(jì)算復(fù)雜性 6．3 計(jì)算極大團(tuán)概率的算法 6．4 分支限界挖掘算法 6．4．1 基本分支限界算法 6．4．2 優(yōu)化裁剪規(guī)則 6．4．3 兩階段分支限界搜索 6．5預(yù)處理方法 6．5．1 基于頂點(diǎn)度的過濾 6．5．2 初始化臨時(shí)topk結(jié)果 6．6 極大團(tuán)挖掘算法在蛋白質(zhì)復(fù)合體預(yù)測中的應(yīng)用 6．6．1 基于topk極大團(tuán)挖掘的蛋白質(zhì)復(fù)合體預(yù)測算法 6．6．2 實(shí)驗(yàn)對比 第7章 緊密頂點(diǎn)子集挖掘 7．1 問題定義 7．2 最緊密頂點(diǎn)子集挖掘算法 7．3 topk緊密頂點(diǎn)子集挖掘算法 7．3．1 Lawler方法 7．3．2 挖掘算法