不确定图数据挖掘

第1章 不确定图数据挖掘概述 1．1 不确定图数据的产生 1．2 不确定图数据挖掘的概念 1．3 不确定图数据挖掘面临的挑战 1．4 不确定图数据挖掘的研究内容 1．4．1 不确定图数据模型 1．4．2 不确定图数据挖掘问题的语义 1．4．3 不确定图数据挖掘问题的计算复杂性 1．4．4 不确定图数据挖掘算法 1．4．5 不确定图数据挖掘的应用 第2章 不确定图数据模型 2．1 确定图 2．2 不确定图 2．2．1 不确定图的形式化表示 2．2．2 不确定图的语义 2．3 不确定图数据库 2．3．1 不确定图数据库的形式化表示 2．3．2 不确定图数据库的语义 2．4 不确定图数据模型的扩展 第3章 不确定图数据挖掘问题的语义 3．1 确定图数据挖掘问题的语义 3．2 不确定图数据挖掘问题的语义 第4章 期望频繁子图模式挖掘 4．1 确定图数据上的频繁子图模式挖掘 ． 4．2 问题定义 4．3 计算复杂性 4．3． 1#P复杂性类 4．3．2 期望频繁子图模式挖掘问题的计算复杂性 4．3．3 期望支持度计算的复杂性 4．4 子图模式的表示方法 4．5 近似挖掘算法 4．5．1 问题松驰 4．5．2 算法概述 4．5．3 期望支持度的计算算法 4．5．4 DFS编码树的优化裁剪方法 4．5．5 完整算法 第5章 概率频繁子图模式挖掘 5．1 问题定义 ． 5．2 计算复杂性 5．2．1 概率频繁子图模式挖掘问题的计算复杂性 5．2．2 □一频繁概率计算的复杂性 5．3 近似挖掘算法 5．3．1 算法概述 5．3．2 计算□一频繁概率近似区间的算法 5．3．3 完整算法 5．3．4 参数设置方法 5．3．5 算法优化 5．4 频繁子图模式挖掘语义的区别 5．4．1 数学分析 5．4．2 实验分析 第6章 TOP一K极大团挖掘 6．1问题定义． 6．2 计算复杂性 6．3 计算极大团概率的算法 6．4 分支限界挖掘算法 6．4．1 基本分支限界算法 6．4．2 优化裁剪规则 6．4．3 两阶段分支限界搜索 6．5预处理方法 6．5．1 基于顶点度的过滤 6．5．2 初始化临时topk结果 6．6 极大团挖掘算法在蛋白质复合体预测中的应用 6．6．1 基于topk极大团挖掘的蛋白质复合体预测算法 6．6．2 实验对比 第7章 紧密顶点子集挖掘 7．1 问题定义 7．2 最紧密顶点子集挖掘算法 7．3 topk紧密顶点子集挖掘算法 7．3．1 Lawler方法 7．3．2 挖掘算法