数据挖掘中基于兴趣度的关联规则研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究的背景及意义 | 第8-9页 |
| 1.2 数据挖掘技术研究现状 | 第9-11页 |
| 1.3 课题来源与研究内容 | 第11页 |
| 1.4 本文的组织 | 第11-13页 |
| 2 关联规则相关理论 | 第13-22页 |
| 2.1 关联规则研究背景 | 第13-15页 |
| 2.2 关联规则基本概念 | 第15-16页 |
| 2.3 关联规则挖掘算法 | 第16-21页 |
| 2.3.1 经典算法 | 第17页 |
| 2.3.2 Apriori算法 | 第17-20页 |
| 2.3.3 Apriori算法的评价 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 兴趣度度量的改进 | 第22-31页 |
| 3.1 支持度-置信度框架的不足 | 第22-23页 |
| 3.2 关联规则兴趣度的提出 | 第23-24页 |
| 3.3 几种比较重要的兴趣度度量 | 第24-27页 |
| 3.3.1 提升度lift度量 | 第24-25页 |
| 3.3.2 基于差异思想的兴趣度模型 | 第25页 |
| 3.3.3 相关分析 | 第25-26页 |
| 3.3.4 IS度量 | 第26页 |
| 3.3.5 PS度量 | 第26-27页 |
| 3.4 新兴趣度度量 | 第27-30页 |
| 3.4.1 新兴趣度量的提出 | 第27页 |
| 3.4.2 新兴趣度量的性质 | 第27-29页 |
| 3.4.3 实验与结果分析 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 4 关联规则挖掘算法的改进 | 第31-43页 |
| 4.1 负相关关联规则 | 第31-32页 |
| 4.2 正负相关关联挖掘 | 第32-34页 |
| 4.2.1 已有算法的提出 | 第32-33页 |
| 4.2.2 引入最大支持度 | 第33-34页 |
| 4.3 正负关联挖掘算法的改进 | 第34-39页 |
| 4.3.1 改进算法的提出 | 第34-37页 |
| 4.3.2 实验结果及分析 | 第37-39页 |
| 4.4 负关联规则挖掘改进算法 | 第39-42页 |
| 4.4.1 负关联规则挖掘改进算法的提出 | 第39-41页 |
| 4.4.2 实验结果及分析 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 5 改进算法在股票间的若干应用 | 第43-55页 |
| 5.1 关联规则在股票间的一些应用 | 第43-45页 |
| 5.2 股票间关联规则改进算法运用 | 第45-54页 |
| 5.2.1 股票数据的预处理 | 第45-47页 |
| 5.2.2 实验结果与分析 | 第47-54页 |
| 5.3 本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 附录 | 第62-63页 |
| 后记 | 第63-64页 |
