| 第一章 绪论 | 第9-28页 |
| 1.1 研究背景 | 第9-25页 |
| 1.1.1 数据挖掘 | 第9-12页 |
| 1.1.1.1 数据挖掘的产生与发展 | 第9-11页 |
| 1.1.1.2 数据挖掘的含义 | 第11-12页 |
| 1.1.2 数据挖掘的基本过程 | 第12-15页 |
| 1.1.2.1 数据挖掘的主要步骤 | 第12-13页 |
| 1.1.2.2 数据清洗 | 第13-15页 |
| 1.1.3 数据挖掘任务 | 第15-19页 |
| 1.1.3.1 概念描述 | 第15页 |
| 1.1.3.2 关联分析 | 第15-16页 |
| 1.1.3.3 分类和预测 | 第16-17页 |
| 1.1.3.4 聚类分析 | 第17页 |
| 1.1.3.5 孤立点分析 | 第17-18页 |
| 1.1.3.6 Web 挖掘 | 第18-19页 |
| 1.1.4 关联规则挖掘 | 第19-25页 |
| 1.1.4.1 关联规则挖掘概念 | 第19-20页 |
| 1.1.4.2 关联规则挖掘算法 | 第20-21页 |
| 1.1.4.3 关联规则挖掘工作的其他方向 | 第21-24页 |
| 1.1.4.4 关联规则的有关专利 | 第24-25页 |
| 1.2 本文工作 | 第25-28页 |
| 第二章 关联规则挖掘的相关工作 | 第28-39页 |
| 2.1 关联规则挖掘的有关概念 | 第28-29页 |
| 2.2 关联规则的定义及例 | 第29-32页 |
| 2.3 数据分布 | 第32-33页 |
| 2.3.1 水平数据分布 | 第32-33页 |
| 2.3.2 垂直数据分布 | 第33页 |
| 2.4 APRIORI 算法及其变种 | 第33-38页 |
| 2.4.1 Apriori 算法 | 第34-36页 |
| 2.4.1.1 候选项目集的生成 | 第35页 |
| 2.4.1.2 计算项目集的支持度 | 第35-36页 |
| 2.4.1.3 Apriori 算法描述 | 第36页 |
| 2.4.2 AprioriTid 算法 | 第36-37页 |
| 2.4.3 AprioriHybrid 算法 | 第37-38页 |
| 2.5 小结 | 第38-39页 |
| 第三章 发现最大频繁项目集 | 第39-59页 |
| 3.1 引言 | 第39-40页 |
| 3.2 发现最大频繁项目集 | 第40-47页 |
| 3.2.1 最大频繁项目集 | 第40-42页 |
| 3.2.2 常用频繁项目集发现策略 | 第42-47页 |
| 3.2.2.1 自底向上的搜索策略 | 第44-45页 |
| 3.2.2.2 自顶向下的搜索策略 | 第45-46页 |
| 3.2.2.3 双向搜索策略 | 第46-47页 |
| 3.3 最大频繁项目集发现算法P&M | 第47-58页 |
| 3.3.1 集合枚举树 | 第48-49页 |
| 3.3.2 集合枚举树的改进 | 第49-50页 |
| 3.3.3 MFCS_k、搜索策略与剪枝策略 | 第50-53页 |
| 3.3.3.1 候选最大频繁项目集集合MFCS_k | 第50-51页 |
| 3.3.3.2 搜索策略与剪枝策略 | 第51-53页 |
| 3.3.4 非频繁项目集的生成 | 第53页 |
| 3.3.5 候选最大频繁项目集的生成 | 第53-54页 |
| 3.3.6 P&M 算法 | 第54-56页 |
| 3.3.7 算法分析与比较 | 第56-58页 |
| 3.4 小结 | 第58-59页 |
| 第四章 挖掘有序模式并进行数据清洗 | 第59-74页 |
| 4.1 引言 | 第59-60页 |
| 4.2 相关工作 | 第60-62页 |
| 4.2.1 序列模式挖掘 | 第60-61页 |
| 4.2.2 数据清洗 | 第61-62页 |
| 4.3 挖掘有序模式并进行数据清洗 | 第62-73页 |
| 4.3.1 挖掘有序模式 | 第62-64页 |
| 4.3.2 在数据清洗中发现错误数据 | 第64-67页 |
| 4.3.3 实验 | 第67-73页 |
| 4.3.3.1 实验1:计算class1与其他类的不一致程度 | 第68-69页 |
| 4.3.3.2 实验2:检测class1中的错误记录 | 第69-70页 |
| 4.3.3.3 实验3:检测Glass Identification Database 中错误记录 | 第70-73页 |
| 4.4 小结 | 第73-74页 |
| 第五章 基于两阶段计数的用户关联挖掘 | 第74-92页 |
| 5.1 引言 | 第74-75页 |
| 5.2 推荐系统概述 | 第75-81页 |
| 5.2.1 推荐系统的产生 | 第75-76页 |
| 5.2.2 推荐系统的工作流程及相关技术 | 第76-81页 |
| 5.2.2.1 收集访问者对资源的评价 | 第77-78页 |
| 5.2.2.2 处理评价表 | 第78-79页 |
| 5.2.2.3 推荐技术 | 第79-81页 |
| 5.2.3 推荐系统的其他问题 | 第81页 |
| 5.3 基于两阶段计数的用户关联挖掘 | 第81-91页 |
| 5.3.1 基本概念 | 第82-83页 |
| 5.3.2 使用当前用户划分评价表 | 第83-84页 |
| 5.3.3 基于两阶段计数的用户关联挖掘框架 | 第84-86页 |
| 5.3.4 基于两阶段计数的用户关联挖掘算法TSCF-CL | 第86-91页 |
| 5.3.4.1 概念格基本概念 | 第86-87页 |
| 5.3.4.2 TSCF-CL 算法描述 | 第87-89页 |
| 5.3.4.3 不可信结点 | 第89页 |
| 5.3.4.4 推荐度计算 | 第89页 |
| 5.3.4.5 TSCF-CL 算法性能测试 | 第89-91页 |
| 5.4 小结 | 第91-92页 |
| 第六章 挖掘支配关联规则 | 第92-105页 |
| 6.1 引言 | 第92-93页 |
| 6.2 优先数据表 | 第93-95页 |
| 6.3 挖掘支配关联规则 | 第95-101页 |
| 6.3.1 三值数据表 | 第95-97页 |
| 6.3.2 相关定理 | 第97-98页 |
| 6.3.3 挖掘支配关联规则算法 | 第98-101页 |
| 6.4 未知标准值预测 | 第101-104页 |
| 6.4.1 标准相关 | 第101页 |
| 6.4.2 未知决策标准值预测 | 第101-103页 |
| 6.4.3 未知标准值预测 | 第103-104页 |
| 6.5 小结 | 第104-105页 |
| 参考文献 | 第105-116页 |
| 作者读博士期间发表的论文和参加的项目 | 第116-118页 |
| 致谢 | 第118-119页 |
| 摘要 | 第119-122页 |
| ABSTRACT | 第122页 |
