| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第8-15页 |
| ·研究背景 | 第8-9页 |
| ·数据挖掘技术研究现状 | 第9-12页 |
| ·数据挖掘的功能 | 第9-10页 |
| ·在现实生活中数据挖掘的应用 | 第10-12页 |
| ·频繁项集挖掘的应用及发展状况 | 第12-14页 |
| ·本文主要内容及组织结构 | 第14-15页 |
| 第2章 不确定性数据频繁项集挖掘的研究现状 | 第15-22页 |
| ·不确定性数据的概述 | 第15-17页 |
| ·不确定性数据产生的原因 | 第15-16页 |
| ·不确定性数据的表现形式 | 第16-17页 |
| ·传统的挖掘算法 | 第17-19页 |
| ·使用候选产生发现频繁项集——Apriori 算法 | 第17-18页 |
| ·有关Apriori 算法的几种优化方法 | 第18页 |
| ·H‐mine 算法 | 第18-19页 |
| ·FP 增长算法 | 第19页 |
| ·不确定性数据频繁项集挖掘算法的研究现状 | 第19-22页 |
| ·U‐Apriori 算法 | 第20页 |
| ·U‐H‐mine 算法的扩展 | 第20-21页 |
| ·其它的频繁项集挖掘算法 | 第21-22页 |
| 第3章 一种不确定性数据频繁项集的挖掘算法 | 第22-28页 |
| ·相关工作和背景知识 | 第22-23页 |
| ·UF‐growth 算法 | 第23-24页 |
| ·构建UF‐tree | 第23-24页 |
| ·从UF‐tree 中挖掘频繁项集 | 第24页 |
| ·UF‐growth 算法性能的测试 | 第24-28页 |
| ·实验环境 | 第24页 |
| ·测试数据的预处理 | 第24-25页 |
| ·实验过程及结果分析 | 第25-28页 |
| 第4章 对UF-growth 算法的改进--LUF-growth、UFT-growth 和LUFT-growth | 第28-52页 |
| ·相关工作和背景知识 | 第28-32页 |
| ·LUF‐growth 算法 | 第32-42页 |
| ·UF‐tree 的构建 | 第32-36页 |
| ·从UF‐tree 中挖掘频繁项集 | 第36-39页 |
| ·实验 | 第39-42页 |
| ·UFT‐growth 算法 | 第42-48页 |
| ·UFT‐growth 算法 | 第42-44页 |
| ·实验 | 第44-48页 |
| ·LUFT‐growth 算法及实验 | 第48-52页 |
| 第5章 总结与展望 | 第52-54页 |
| ·总结 | 第52页 |
| ·研究展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 附录 | 第59-61页 |
| 攻读硕士学位期间发表学术论文情况 | 第61-62页 |
| 致谢 | 第62页 |