| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状及存在的问题 | 第11-15页 |
| 1.2.1 数据挖掘技术 | 第11-13页 |
| 1.2.2 数据挖掘算法在行为模式分析中的应用 | 第13-15页 |
| 1.3 本文研究内容和研究方法 | 第15-16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 第2章 模式分析中聚类算法的改进 | 第18-26页 |
| 2.1 经典的K-MEANS算法 | 第18-19页 |
| 2.2 经典的K-MEANS算法中存在的问题 | 第19页 |
| 2.3 一种改进的K-MEANS算法 | 第19-22页 |
| 2.3.1 最终聚类数目和聚类中心的确定 | 第19-20页 |
| 2.3.2 改进算法的核心步骤描述 | 第20-21页 |
| 2.3.3 改进算法实现的伪代码 | 第21-22页 |
| 2.3.4 改进算法的流程图 | 第22页 |
| 2.4 改进算法的实验测评 | 第22-25页 |
| 2.4.1 实验采用的数据集 | 第23页 |
| 2.4.2 实验结果与分析 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 模式分析中关联规则算法的改进 | 第26-44页 |
| 3.1 经典APRIORI算法 | 第26-28页 |
| 3.2 经典APRIORI算法分析 | 第28页 |
| 3.2.1 算法优点 | 第28页 |
| 3.2.2 算法缺点 | 第28页 |
| 3.3 一种基于垂直数组和数组向量的改进算法 | 第28-32页 |
| 3.3.1 对数据库中事务存储结构的改进 | 第29-30页 |
| 3.3.2 利用数组向量简化生成候选频繁项集操作 | 第30页 |
| 3.3.3 利用垂直数组简化模式匹配操作 | 第30-31页 |
| 3.3.4 减少连接判断比较的次数 | 第31-32页 |
| 3.3.5 改进算法的终止条件 | 第32页 |
| 3.4 改进算法描述 | 第32-39页 |
| 3.4.1 改进算法的步骤描述 | 第32-33页 |
| 3.4.2 改进算法实现的伪代码 | 第33-34页 |
| 3.4.3 改进算法的流程图 | 第34-35页 |
| 3.4.4 改进算法运行实例 | 第35-38页 |
| 3.4.5 改进算法的性能分析 | 第38-39页 |
| 3.5 改进算法的实验测评 | 第39-43页 |
| 3.5.1 初始数据集中数据分布较分散的情况 | 第39-41页 |
| 3.5.2 初始数据集中数据分布较集中的情况 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 原型系统的设计与实现 | 第44-57页 |
| 4.1 原型系统框架 | 第44-45页 |
| 4.2 数据采集 | 第45-47页 |
| 4.3 数据预处理 | 第47-48页 |
| 4.4 用户行为模式库模块 | 第48-49页 |
| 4.4.1 用户行为模式库的设计 | 第48页 |
| 4.4.2 用户行为模式的获取 | 第48-49页 |
| 4.5 聚类分析和关联规则相结合的用户行为模式挖掘模块 | 第49-55页 |
| 4.5.1 模块整体实现流程 | 第49-52页 |
| 4.5.2 对训练数据进行聚类分析并挖掘关联规则 | 第52页 |
| 4.5.3 对用户当前行为进行异常检测 | 第52页 |
| 4.5.4 实验设计示例 | 第52-54页 |
| 4.5.5 实验结果及分析 | 第54-55页 |
| 4.6 响应模块 | 第55-56页 |
| 4.7 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 本文总结 | 第57-58页 |
| 5.2 进一步的工作和展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间参与的项目 | 第63页 |