| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-18页 |
| ·引言 | 第11-13页 |
| ·研究背景 | 第11-12页 |
| ·研究目的和意义 | 第12-13页 |
| ·关联规则挖掘技术的研究现状 | 第13-14页 |
| ·研究现状 | 第13-14页 |
| ·传统关联规则挖掘算法的不足 | 第14页 |
| ·遗传算法的研究现状 | 第14-16页 |
| ·研究现状 | 第15-16页 |
| ·传统遗传算法存在的缺陷 | 第16页 |
| ·本文的主要内容和组织结构 | 第16-18页 |
| 第二章 基于小生境遗传算法的关联规则挖掘框架设计 | 第18-26页 |
| ·数据挖掘概述 | 第18-20页 |
| ·数据挖掘的概念 | 第18页 |
| ·数据挖掘的过程 | 第18-19页 |
| ·数据挖掘的方法与技术 | 第19-20页 |
| ·基于小生境遗传算法的关联规则挖掘框架设计 | 第20-23页 |
| ·数据获取 | 第21页 |
| ·数据预处理 | 第21-22页 |
| ·关联规则挖掘 | 第22-23页 |
| ·关联规则分析 | 第23页 |
| ·关键挖掘算法 | 第23-25页 |
| ·Matrix_Apriori 算法 | 第23-24页 |
| ·小生境遗传算法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 MATRIX_APRIORI 算法设计与实现 | 第26-38页 |
| ·关联规则基本概念 | 第26-27页 |
| ·传统 APRIORI 算法 | 第27-28页 |
| ·MATRIX_APRIORI 算法的设计与实现 | 第28-37页 |
| ·Apriori 算法的改进 | 第28-29页 |
| ·基于矩阵的数据库表示 | 第29-31页 |
| ·Matrix_Apriori 算法设计 | 第31-33页 |
| ·Matrix_Apriori 算法实现 | 第33-34页 |
| ·实例分析 | 第34-36页 |
| ·与小生境遗传算法的接口设计 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 小生境遗传算法设计与实现 | 第38-52页 |
| ·遗传算法概述 | 第38-39页 |
| ·小生境遗传算法的设计与实现 | 第39-51页 |
| ·小生境理论概述 | 第40-41页 |
| ·小生境遗传算子的设计 | 第41-44页 |
| ·选择算子改进 | 第41-42页 |
| ·交叉算子设计 | 第42-43页 |
| ·变异算子改进 | 第43-44页 |
| ·小生境遗传算法的实现 | 第44-47页 |
| ·算法实现 | 第44-46页 |
| ·小生境遗传算法的性能分析 | 第46-47页 |
| ·实验分析 | 第47-50页 |
| ·与 Matrix_Apriori 算法的接口设计 | 第50-51页 |
| ·候选频繁项集的提取 | 第50-51页 |
| ·关联规则分析 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第五章 系统实现及应用 | 第52-67页 |
| ·项目背景 | 第52页 |
| ·关联规则挖掘子系统设计 | 第52-53页 |
| ·开发环境 | 第52页 |
| ·功能模块设计 | 第52-53页 |
| ·系统实现及应用 | 第53-65页 |
| ·数据预处理 | 第54-58页 |
| ·Matrix_Apriori 算法参数设置 | 第58页 |
| ·小生境遗传算法参数设置 | 第58页 |
| ·强项集挖掘参数设置 | 第58-59页 |
| ·核心类设计 | 第59-61页 |
| ·应用实例分析 | 第61-65页 |
| ·本章小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·总结 | 第67页 |
| ·展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 在学期间的研究成果及发表的学术论文 | 第73页 |