| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 论文的研究背景和意义 | 第10-11页 |
| 1.2 数据挖掘国内外研究现状 | 第11-13页 |
| 1.3 篇章结构 | 第13-15页 |
| 第2章 基础知识 | 第15-31页 |
| 2.1 聚类分析算法概述 | 第15-20页 |
| 2.1.1 经典聚类算法 | 第15-18页 |
| 2.1.2 K-means算法 | 第18-20页 |
| 2.2 关联分析算法概述 | 第20-25页 |
| 2.2.1 关联规则算法的基本概念 | 第21-23页 |
| 2.2.2 关联分析算法 | 第23-25页 |
| 2.3 Apriori算法 | 第25-30页 |
| 2.3.1 Apriori算法相关概念 | 第25-28页 |
| 2.3.2 Apriori算法概述 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 加权关联规则算法 | 第31-52页 |
| 3.1 基于K-means算法的关联规则算法研究 | 第31-32页 |
| 3.2 算法合理性分析及证明 | 第32-33页 |
| 3.3 KCCM算法的建立及分析 | 第33-43页 |
| 3.3.1 KCCM算法相关概念 | 第33-38页 |
| 3.3.2 KCCM算法基本思想 | 第38-40页 |
| 3.3.3 KCCM算法时间复杂度分析 | 第40-43页 |
| 3.4 算法实证性研究 | 第43-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 KCCM算法仿真结果分析 | 第52-58页 |
| 4.1 KCCM算法运行时间分析 | 第52-53页 |
| 4.2 KCCM算法运行结果分析 | 第53-57页 |
| 4.2.1 基于置信度的KCCM算法结果对比分析 | 第53页 |
| 4.2.2 不同度量准则下KCCM算法结果对比分析 | 第53-57页 |
| 4.3 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第64-65页 |
| 致谢 | 第65页 |