| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究概况 | 第13-18页 |
| 1.2.1 频繁项集挖掘算法研究现况 | 第13-15页 |
| 1.2.2 高效用项集挖掘研究现况 | 第15-18页 |
| 1.3 本文研究的主要内容 | 第18页 |
| 1.4 论文组织结构 | 第18-20页 |
| 第2章 均值高效用项集挖掘理论及相关定义 | 第20-29页 |
| 2.1 关联规则挖掘概念与定义 | 第20-24页 |
| 2.1.1 关联规则挖掘基本概念 | 第20-21页 |
| 2.1.2 基于效用的关联规则基本概念 | 第21-24页 |
| 2.2 关联规则挖掘经典算法描述 | 第24-28页 |
| 2.2.1 Apriori算法 | 第24-26页 |
| 2.2.2 FP-growth算法 | 第26页 |
| 2.2.3 Two-phase算法 | 第26-27页 |
| 2.2.4 HAUI-Miner算法 | 第27-28页 |
| 2.3 小结 | 第28-29页 |
| 第3章 Top-k均值高效用项集挖掘算法 | 第29-50页 |
| 3.1 引言 | 第29页 |
| 3.2 问题定义 | 第29-30页 |
| 3.3 TKAU算法设计 | 第30-42页 |
| 3.3.1 搜索空间 | 第31页 |
| 3.3.2 AUO-List列表结构 | 第31-38页 |
| 3.3.3 阀值提升策略 | 第38-40页 |
| 3.3.4 提出的TKAU算法 | 第40-42页 |
| 3.4 实验结果与分析 | 第42-49页 |
| 3.4.1 实验设置 | 第42-43页 |
| 3.4.2 EMUP和EA策略性能分析 | 第43-44页 |
| 3.4.3 TKAU整体运行性能分析 | 第44-48页 |
| 3.4.4 算法扩展性分析 | 第48-49页 |
| 3.5 小结 | 第49-50页 |
| 第4章 数据流中均值高效用项集挖掘算法 | 第50-68页 |
| 4.1 引言 | 第50页 |
| 4.2 相关定义 | 第50-51页 |
| 4.3 基于列表的数据流中均值高效用项集挖掘算法 | 第51-55页 |
| 4.3.1 列表更新策略 | 第51-53页 |
| 4.3.2 提出的HAUIS-list算法 | 第53-55页 |
| 4.4 基于映射数据库的数据流中均值高效用项集挖掘算法 | 第55-63页 |
| 4.4.1 运用数据库映射减少数据库扫描开销 | 第55-56页 |
| 4.4.2 通过事务合并减少数据库扫描开销 | 第56-57页 |
| 4.4.3 用局部效用和子树效用进行剪枝 | 第57-59页 |
| 4.4.4 提出的HAUIS-pd算法 | 第59-61页 |
| 4.4.5 挖掘过程示例 | 第61-63页 |
| 4.5 实验结果与分析 | 第63-67页 |
| 4.5.1 事务合并策略性能分析 | 第63-64页 |
| 4.5.2 改变效用阀值的性能分析 | 第64-65页 |
| 4.5.3 改变批次与窗口大小的性能分析 | 第65-67页 |
| 4.6 小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 附录A 发表论文和参加科研情况说明 | 第75页 |