| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| §1.1 课题研究背景及意义 | 第8-9页 |
| §1.2 国内外研究现状 | 第9-12页 |
| §1.2.1 电子竞技——《英雄联盟》的发展 | 第9-11页 |
| §1.2.2 数据挖掘与关联规则算法 | 第11-12页 |
| §1.2.3 关联规则挖掘技术在相关领域的应用 | 第12页 |
| §1.3 主要研究工作与创新点 | 第12-13页 |
| §1.4 本文章节介绍 | 第13-14页 |
| 第二章 相关理论与技术研究 | 第14-25页 |
| §2.1 数据挖掘概述 | 第14-17页 |
| §2.1.1 数据挖掘基本概念和内容 | 第14-16页 |
| §2.1.2 数据挖掘的主要任务 | 第16-17页 |
| §2.2 关联规则挖掘技术 | 第17-19页 |
| §2.2.1 关联规则基本概念 | 第17-18页 |
| §2.2.2 关联规则分类 | 第18-19页 |
| §2.3 Apriori算法研究 | 第19-24页 |
| §2.3.1 Apriori算法的基本思想及算法流程 | 第19-21页 |
| §2.3.2 Apriori算法的实例说明 | 第21-23页 |
| §2.3.3 Apriori算法的缺陷 | 第23-24页 |
| §2.4 本章小结 | 第24-25页 |
| 第三章 基于有向无环图的频繁模式挖掘算法 | 第25-35页 |
| §3.1 问题分析 | 第25页 |
| §3.2 DAGFIG算法思路 | 第25-30页 |
| §3.2.1 二进制位表 | 第25-27页 |
| §3.2.2 频繁项有向无环图的构建 | 第27-29页 |
| §3.2.3 频繁项有向无环图的挖掘 | 第29-30页 |
| §3.3 DAGFIG算法描述 | 第30-32页 |
| §3.4 实验对比与分析 | 第32-34页 |
| §3.5 本章小结 | 第34-35页 |
| 第四章 加权关联规则算法 | 第35-43页 |
| §4.1 加权思想的引入 | 第35页 |
| §4.2 加权关联规则算法的基本概念和理论 | 第35-36页 |
| §4.3 基于项集熵的加权关联规则 | 第36-38页 |
| §4.3.1 项集熵的引入 | 第36-37页 |
| §4.3.2 单项集权值的计算 | 第37页 |
| §4.3.3 多项集权值的计算 | 第37-38页 |
| §4.4 改进的加权关联规则算法描述 | 第38-40页 |
| §4.5 改进的加权关联规则算法实现过程 | 第40-42页 |
| §4.6 本章小结 | 第42-43页 |
| 第五章 关联规则算法在游戏数据中的应用 | 第43-49页 |
| §5.1 实验背景 | 第43页 |
| §5.2 游戏数据预处理 | 第43-47页 |
| §5.3 实验结果及分析 | 第47-48页 |
| §5.4 本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| §6.1 工作总结 | 第49页 |
| §6.2 研究展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 作者在攻读硕士研究生期间的主要研究成果 | 第56页 |