| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景 | 第8-9页 |
| ·研究现状 | 第9-10页 |
| ·数据挖掘研究现状 | 第9页 |
| ·聚类技术研究现状 | 第9页 |
| ·关联规则研究现状 | 第9-10页 |
| ·课题研究的目的和意义 | 第10-11页 |
| ·本文的主要工作 | 第11-12页 |
| ·本文的组织结构 | 第12-14页 |
| 第二章 数据挖掘与聚类概述 | 第14-24页 |
| ·数据挖掘概述 | 第14-18页 |
| ·数据挖掘技术的起源 | 第14-15页 |
| ·数据挖掘的概念 | 第15页 |
| ·数据挖掘的过程与任务 | 第15-18页 |
| ·数据挖掘的应用与发展 | 第18页 |
| ·聚类概述 | 第18-23页 |
| ·聚类的基本概念 | 第18-19页 |
| ·模糊聚类的基念及应用 | 第19-20页 |
| ·聚类分析的基本步骤 | 第20-21页 |
| ·聚类算法综述 | 第21-23页 |
| ·模糊聚类算法综述 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于数据驱动 FCM 预处理方法 | 第24-35页 |
| ·问题的提出 | 第24-25页 |
| ·模糊 C 均值算法研究与性能分析 | 第25-28页 |
| ·模糊 C 均值算法的原理与流程 | 第25-27页 |
| ·模糊 C 均值算法的性能分析 | 第27-28页 |
| ·基于数据驱动 FCM 预处理方法（DD-FCM） | 第28-34页 |
| ·模糊隶属度函数和模糊分区的产生过程 | 第28-30页 |
| ·原始数据集的模糊版本产生过程 | 第30-32页 |
| ·实验结果与分析 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于 DD-FCM 的 Apriori 算法 | 第35-44页 |
| ·关联规则的研究与分析 | 第35-39页 |
| ·关联规则概念 | 第35-36页 |
| ·Apriori 算法及其优化方法 | 第36-39页 |
| ·基于 DD-FCM 的 Apriori 算法 | 第39-43页 |
| ·DD-FCMA 算法基本原理 | 第40-41页 |
| ·DD-FCMA 算法流程 | 第41-42页 |
| ·实验结果与分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 基于 DD-FCM 的加权模糊关联规则挖掘算法 | 第44-55页 |
| ·加权模糊关联规则模型 | 第44-49页 |
| ·加权布尔型关联规则模型 | 第44-47页 |
| ·加权模糊关联规则模型 | 第47-49页 |
| ·基于 DD-FCM 的加权模糊关联规则挖掘算法 | 第49-54页 |
| ·DD-FCMW 算法基本思想 | 第49-50页 |
| ·DD-FCMW 算法流程 | 第50-52页 |
| ·实验结果与分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| ·总结 | 第55-56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第60-61页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第61-62页 |
| 致谢 | 第62页 |
