| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-11页 |
| ·研究背景 | 第8页 |
| ·数据挖掘定义 | 第8-9页 |
| ·国外的研究现状 | 第9-10页 |
| ·国内的研究现状 | 第10页 |
| ·本文主要工作 | 第10-11页 |
| 2 关联规则挖掘技术 | 第11-21页 |
| ·基本概念 | 第11页 |
| ·关联规则挖掘分类 | 第11-21页 |
| ·单维布尔关联规则 | 第12-13页 |
| ·Apriori 算法的改进 | 第13-15页 |
| ·不产生候选挖掘频繁项集 | 第15-18页 |
| ·使用垂直数据格式挖掘频繁项集 | 第18-19页 |
| ·挖掘频繁闭项集 | 第19-21页 |
| 3 结合散列与位表挖掘频繁项目集算法 | 第21-28页 |
| ·相关算法分析 | 第21页 |
| ·Hash-BFI 算法的实现 | 第21-28页 |
| ·建立数据库位表 | 第21-22页 |
| ·引入散列函数产生频繁2-项集 | 第22-23页 |
| ·快速产生候选项集并对候选项集剪枝 | 第23-24页 |
| ·候选项集支持度的计算 | 第24-25页 |
| ·实验结果与分析 | 第25-28页 |
| 4 均衡时空挖掘数据流中频繁项集算法 | 第28-43页 |
| ·数据流的基本概念 | 第28页 |
| ·流数据处理方法和流数据系统 | 第28-29页 |
| ·直方图(Histograms) | 第28-29页 |
| ·滑动窗口（Sliding window model） | 第29页 |
| ·随机抽样 | 第29页 |
| ·小波 | 第29页 |
| ·数据流中频繁模式挖掘 | 第29-34页 |
| ·DSTree 算法 | 第29-31页 |
| ·MSW(mining sliding window)算法 | 第31-32页 |
| ·CPS-tree(Compact Pattern Stream tree)算法 | 第32-34页 |
| ·均衡频繁项集挖掘算法Bala-Tree | 第34-43页 |
| ·相关算法分析 | 第34-35页 |
| ·Bala-Tree 基本定义 | 第35页 |
| ·Bala-Tree 的结构 | 第35-37页 |
| ·树的更新和窗口滑动 | 第37页 |
| ·树重构 | 第37-40页 |
| ·挖掘频繁项集 | 第40页 |
| ·实验结果与分析 | 第40-43页 |
| 结论 | 第43-44页 |
| 参考文献 | 第44-46页 |
| 发表学术论文情况 | 第46-47页 |
| 致谢 | 第47页 |
