摘要 | 第5-6页 |
abstract | 第6-7页 |
第1章 绪论 | 第10-18页 |
1.1 研究背景 | 第10-11页 |
1.2 科技文献被引频次预测国内外研究现状 | 第11-13页 |
1.2.1 国内研究现状 | 第11-12页 |
1.2.2 国外研究现状 | 第12-13页 |
1.3 论文的主要工作 | 第13-15页 |
1.3.1 研究方案 | 第13-15页 |
1.3.2 预期结果 | 第15页 |
1.4 论文的组织结构 | 第15-18页 |
第2章 KDD Cup被引频次时间序列预测算法 | 第18-30页 |
2.1 KDD Cup竞赛任务概述 | 第18-20页 |
2.1.1 KDD Cup竞赛背景概述 | 第18页 |
2.1.2 KDD Cup竞赛任务概述 | 第18-20页 |
2.1.3 KDD Cup竞赛结果概述 | 第20页 |
2.2 基于KNNC的被引频次时间序列预测算法 | 第20-29页 |
2.2.1 时间序列预测研究概述 | 第20-25页 |
2.2.2 基于KNNC的被引频次时间序列预测算法 | 第25-29页 |
2.3 基于KNNC的被引频次时间序列预测算法评估 | 第29页 |
2.3.1 预测结果 | 第29页 |
2.3.2 结果分析 | 第29页 |
2.4 本章小结 | 第29-30页 |
第3章 改进的被引频次预测算法 | 第30-40页 |
3.1 改进的被引频次预测算法概述 | 第30-31页 |
3.1.1 改进的被引频次时间序列预测算法思想 | 第30页 |
3.1.2 改进的被引频次时间序列预测算法流程 | 第30-31页 |
3.2 改进算法中的主题聚类子算法 | 第31-39页 |
3.2.1 聚类方法概述 | 第31-32页 |
3.2.2 基于划分的聚类方法 | 第32-33页 |
3.2.3 基于层次的聚类方法 | 第33-34页 |
3.2.4 基于密度的聚类方法 | 第34-35页 |
3.2.5 基于网格的聚类方法 | 第35-36页 |
3.2.6 改进算法中的主题聚类子算法思想 | 第36-37页 |
3.2.7 改进算法中的主题聚类子算法流程 | 第37-39页 |
3.3 本章小结 | 第39-40页 |
第4章 基于时间序列聚类的被引频次预测算法 | 第40-50页 |
4.1 时间序列相似度研究概述 | 第40-43页 |
4.1.1 基于形状的相似度衡量方法 | 第40-41页 |
4.1.2 基于特征的相似度衡量方法 | 第41-42页 |
4.1.3 基于模型的相似度衡量方法 | 第42页 |
4.1.4 基于压缩的相似度衡量方法 | 第42-43页 |
4.1.5 基于符号转换的相似度衡量方法 | 第43页 |
4.2 时间序列聚类分析方法概述 | 第43-44页 |
4.3 基于时间序列聚类的被引频次预测算法 | 第44-48页 |
4.3.1 基于时间序列聚类的被引频次预测算法思想 | 第44-47页 |
4.3.2 基于时间序列聚类的被引频次预测算法流程 | 第47-48页 |
4.4 本章小结 | 第48-50页 |
第5章 实验结果及分析 | 第50-62页 |
5.1 实验方案 | 第50-57页 |
5.1.1 实验设置 | 第50页 |
5.1.2 实验数据集 | 第50页 |
5.1.3 实验数据预处理 | 第50-56页 |
5.1.4 实验测试方案 | 第56-57页 |
5.2 实验测试 | 第57-59页 |
5.2.1 改进后的被引频次预测算法测试 | 第57页 |
5.2.2 基于时间序列聚类的被引频次预测算法测试 | 第57-59页 |
5.3 实验结果分析 | 第59-60页 |
5.3.1 改进后的被引频次预测算法结果分析 | 第59-60页 |
5.3.2 基于时间序列聚类的被引频次预测算法结果分析 | 第60页 |
5.4 本章小结 | 第60-62页 |
结论 | 第62-64页 |
参考文献 | 第64-70页 |
致谢 | 第70页 |