| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 关联规则研究现状 | 第11-12页 |
| 1.2.2 极团模式研究现状 | 第12-14页 |
| 1.3 研究内容和论文组织结构 | 第14-16页 |
| 1.3.1 课题研究内容 | 第14-15页 |
| 1.3.2 论文组织结构 | 第15-16页 |
| 第二章 关联规则与极团模式的相关技术 | 第16-26页 |
| 2.1 关联规则基本概念 | 第16-18页 |
| 2.2 关联规则挖掘 | 第18-19页 |
| 2.2.1 Apriori算法 | 第18页 |
| 2.2.2 FP-growth算法 | 第18-19页 |
| 2.3 极团模式 | 第19-25页 |
| 2.4 小结 | 第25-26页 |
| 第三章 基于极大团的加权可信关联规则挖掘算法 | 第26-39页 |
| 3.1 传统关联规则存在的问题 | 第26-27页 |
| 3.2 基于极大团的加权可信关联规则挖掘算法MCWCAR | 第27-36页 |
| 3.2.1 基本概念 | 第27-30页 |
| 3.2.2. k-项加权可信集 | 第30-34页 |
| 3.2.3 基于极大团的加权可信关联规则挖掘算法MCWCAR | 第34-36页 |
| 3.3 算法性能分析 | 第36页 |
| 3.4 实验分析 | 第36-38页 |
| 3.5 小结 | 第38-39页 |
| 第四章 基于动态图的TOP-N极团模式挖掘算法 | 第39-49页 |
| 4.1 基本概念 | 第39-41页 |
| 4.2 TOP-N极大模式挖掘算法 | 第41-47页 |
| 4.2.1 算法思想 | 第41-42页 |
| 4.2.2 深度优先分支界定法挖掘长模式 | 第42-43页 |
| 4.2.3 无效团的剪枝 | 第43-44页 |
| 4.2.4 利用剪枝规则扩展团 | 第44-46页 |
| 4.2.5 Top-N极大模式挖掘算法CSDGMPA的实现 | 第46-47页 |
| 4.3 实验结果 | 第47-48页 |
| 4.4 小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 工作总结 | 第49页 |
| 5.2 存在的不足 | 第49-50页 |
| 5.3 未来工作的展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间参加的项目及发表论文情况 | 第56页 |
