| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 近似关联规则挖掘相关研究 | 第10-12页 |
| 1.2.2 时间序列关联规则挖掘相关研究 | 第12页 |
| 1.3 本课题的主要研究内容 | 第12-13页 |
| 1.4 论文的结构安排 | 第13-14页 |
| 第2章 时间序列近似关联规则基础理论 | 第14-24页 |
| 2.1 多元时间序列定义 | 第14-15页 |
| 2.2 多元时间序列预处理介绍 | 第15-18页 |
| 2.2.1 时间序列的元模式提取 | 第15-17页 |
| 2.2.2 关联规则的事务集划分方法 | 第17-18页 |
| 2.3 近似关联规则挖掘算法介绍 | 第18-21页 |
| 2.3.1 传统关联规则挖掘算法 | 第18-19页 |
| 2.3.2 快速相似度计算方法 | 第19-20页 |
| 2.3.3 一种基于LSH的Apriori改进算法 | 第20-21页 |
| 2.4 关联规则在时间预测上的应用 | 第21-23页 |
| 2.4.1 预测评价标准 | 第22页 |
| 2.4.2 基于修正置信度方法 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 多元时间序列上近似关联规则挖掘 | 第24-37页 |
| 3.1 时间序列预处理 | 第24-28页 |
| 3.2 近似关联规则挖掘算法 | 第28-32页 |
| 3.2.1 HashEclat算法描述 | 第28-31页 |
| 3.2.2 HashEclat误差分析 | 第31-32页 |
| 3.3 关联规则做多元时间序列预测 | 第32-36页 |
| 3.3.1 基于相似度的修正置信度 | 第32-35页 |
| 3.3.2 改进的时间序列预测算法 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 实验结果与分析 | 第37-49页 |
| 4.1 近似关联规则挖掘 | 第37-45页 |
| 4.1.1 HashEclat参数对结果影响 | 第37-41页 |
| 4.1.2 时间序列数据集上对比实验 | 第41-44页 |
| 4.1.3 通用数据集上对比实验 | 第44-45页 |
| 4.2 时间序列数据关联规则预测 | 第45-48页 |
| 4.2.1 近似关联规则的预测效果实验 | 第46-47页 |
| 4.2.2 基于序列相似度的预测算法验证 | 第47-48页 |
| 4.3 本章小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第54-56页 |
| 致谢 | 第56页 |