| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·数据挖掘简介 | 第9-12页 |
| ·数据挖掘的产生 | 第9页 |
| ·数据挖掘的定义 | 第9-11页 |
| ·数据挖掘的功能 | 第11-12页 |
| ·数据挖掘面临的三大挑战 | 第12页 |
| ·数据挖掘的应用领域 | 第12页 |
| ·本论文的工作 | 第12-16页 |
| ·相关背景知识 | 第12-14页 |
| ·本论文的主要工作和意义 | 第14-16页 |
| 第二章 关联规则的挖掘 | 第16-21页 |
| ·关联规则挖掘 | 第16-19页 |
| ·购物篮分析：一个引发关联规则挖掘的例子 | 第17-18页 |
| ·基本概念 | 第18-19页 |
| ·由事务数据库挖掘单维布尔关联规则 | 第19-21页 |
| ·Apriori 算法：使用候选项集找频繁项集 | 第19-20页 |
| ·由频繁项集产生关联规则 | 第20-21页 |
| ·本章小结 | 第21页 |
| 第三章 在大型时态数据库中挖掘 Burst 模式 | 第21-33页 |
| ·挖掘整个大型时态数据库时可能存在的两个问题 | 第21-25页 |
| ·问题一 | 第22-24页 |
| ·问题二 | 第24-25页 |
| ·相关工作 | 第25-26页 |
| ·在大型时态数据库中 Burst 模式挖掘模型 | 第26-27页 |
| ·相关定义 | 第27-29页 |
| ·算法 MiningBurstPatterns | 第29-30页 |
| ·算法分析 | 第30页 |
| ·实验和结果分析 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 在多数据库中挖掘 Burst 模式 | 第33-58页 |
| ·多数据库挖掘的重要性 | 第34-39页 |
| ·引言 | 第34-35页 |
| ·在现实应用中多数据库挖掘的任务 | 第35-36页 |
| ·多数据库挖掘的问题描述 | 第36-38页 |
| ·多数据库挖掘与单数据库挖掘的不同之处 | 第38-39页 |
| ·多数据库中数据的特征 | 第38页 |
| ·多数据库中模式的特征 | 第38-39页 |
| ·多数据库挖掘的一般过程 | 第39-41页 |
| ·相关工作 | 第41页 |
| ·在多数据库中挖掘 Burst 模式的一般过程 | 第41-43页 |
| ·基于关联规则的模式库划分算法 | 第43-50页 |
| ·问题描述 | 第43页 |
| ·相关工作 | 第43页 |
| ·局部模式库相似度的度量方法 | 第43-46页 |
| ·局部模式库的分类 | 第46-50页 |
| ·第一步：生成一个分类 | 第47-49页 |
| ·第二步：寻找一个最理想的非平凡分类 | 第49-50页 |
| ·在多数据库中挖掘Burst 模式的算法 | 第50-52页 |
| ·算法MiningBurstPatternsInMDB | 第50-51页 |
| ·算法分析 | 第51-52页 |
| ·实验和结果分析 | 第52-56页 |
| ·本章小结 | 第56-58页 |
| 第五章 全文总结和未来的工作 | 第58-60页 |
| ·全文总结 | 第58-59页 |
| ·未来的工作 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 作者在攻读硕士学位期间参与的主要科研项目 | 第63-64页 |
| 作者在攻读硕士学位期间发表或已录用的论文情况 | 第64页 |
| 作者在攻读硕士学位期间任职和获奖情况 | 第64-65页 |
| 致谢 | 第65-66页 |