| 第1章 绪论 | 第1-13页 |
| 1．1 课题目的和意义 | 第8-9页 |
| 1．2 国际国内研究现状及进展 | 第9-11页 |
| 1．3 课题的主要工作与论文组织 | 第11-13页 |
| 1．3．1 课题的主要工作 | 第11页 |
| 1．3．2 论文的组织 | 第11-13页 |
| 第2章 数据挖掘理论研究 | 第13-28页 |
| 2．1 数据挖掘的提出与定义 | 第13-14页 |
| 2．1．1 数据挖掘的提出 | 第13页 |
| 2．1．2 数据挖掘的定义 | 第13-14页 |
| 2．2 数据挖掘的数据来源 | 第14-15页 |
| 2．3 数据挖掘所发现的知识 | 第15-16页 |
| 2．4 数据挖掘分类与方法 | 第16-20页 |
| 2．4．1 数据挖掘的分类 | 第16页 |
| 2．4．2 数据挖掘方法 | 第16-20页 |
| 2．5 数据挖掘的体系结构与数据挖掘的步骤 | 第20-22页 |
| 2．5．1 数据挖掘的体系结构 | 第20-21页 |
| 2．5．2 数据挖掘步骤 | 第21-22页 |
| 2．6 与数据挖掘相关技术 | 第22-26页 |
| 2．6．1 数据仓库 | 第23-24页 |
| 2．6．2 知识发现 | 第24-25页 |
| 2．6．3 联机分析处理 | 第25页 |
| 2．6．4 客户关系管理 | 第25-26页 |
| 2．6．5 与数据挖掘的其它相关技术 | 第26页 |
| 2．7 数据挖掘在行业中的应用 | 第26-27页 |
| 2．8 本章小结 | 第27-28页 |
| 第3章 关联规则挖掘与频繁项目集发现算法 | 第28-37页 |
| 3．1 引言 | 第28页 |
| 3．2 关联规则挖掘的基本概念 | 第28-29页 |
| 3．3 关联规则的挖掘过程 | 第29-31页 |
| 3．4 关联规则的挖掘算法 | 第31-36页 |
| 3．4．1 Apriori算法 | 第31-33页 |
| 3．4．2 AprinriTid算法 | 第33-35页 |
| 3．4．3 算法 Apriori与算法 AprioriTid的说明 | 第35-36页 |
| 3．5 本章小结 | 第36-37页 |
| 第4章 频繁项目集发现算法的改进 | 第37-56页 |
| 4．1 引言 | 第37-38页 |
| 4．2 减少候选项目集数量的方法 | 第38-39页 |
| 4．3 不断减小事务数据库 D的长度 | 第39-40页 |
| 4．4 减少数据库 D的扫描次数的改进 | 第40-49页 |
| 4．4．1 一次扫描数据库的方法及其改进 | 第41-43页 |
| 4．4．2 动态自适应方式减少数据库扫描次数 | 第43-49页 |
| 4．5 逐渐减少事务记录的长度 | 第49-50页 |
| 4．6 Apriori_Auto算法 | 第50-53页 |
| 4．7 改进的算法总结 | 第53-55页 |
| 4．8 本章小结 | 第55-56页 |
| 第5章 基于 Apriori_Auto算法的关联规则挖掘实验系统 | 第56-68页 |
| 5．1 系统整体结构 | 第56-57页 |
| 5．2 系统主要数据结构设计 | 第57-62页 |
| 5．2．1 数据库的结构设计 | 第57-59页 |
| 5．2．2 频繁k项目集的数据结构 | 第59-62页 |
| 5．3 频繁项目集生成算法 Apriori_Auto的实现 | 第62-64页 |
| 5．4 关联规则的生成 | 第64页 |
| 5．5 本实验系统运行说明与实例 | 第64-66页 |
| 5．6 本章小结 | 第66-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 个人简历 | 第75页 |
