| 摘要 | 第2-4页 |
| ABSTRACT | 第4-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 论文研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状和发展趋势 | 第10-11页 |
| 1.3 本文的研究内容和主要贡献 | 第11-12页 |
| 1.3.1 主要研究内容 | 第11页 |
| 1.3.2 主要贡献 | 第11-12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 2 效用模式挖掘 | 第14-24页 |
| 2.1 问题定义 | 第14-15页 |
| 2.2 经典效用模式挖掘算法 | 第15-18页 |
| 2.3 实验分析 | 第18-23页 |
| 2.3.1 运行时间 | 第19-20页 |
| 2.3.2 内存使用 | 第20-21页 |
| 2.3.3 枚举的模式及候选集 | 第21-23页 |
| 2.3.4 规模性实验 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 增量型效用模式挖掘 | 第24-47页 |
| 3.1 问题定义 | 第25-26页 |
| 3.2 经典增量型效用模式挖掘算法 | 第26-28页 |
| 3.3 HUPTID的核心技术及算法 | 第28-38页 |
| 3.3.1 模式生成方法 | 第28页 |
| 3.3.2 上界剪枝策略 | 第28-30页 |
| 3.3.3 一个新颖的数据结构 | 第30-31页 |
| 3.3.4 用于增量型挖掘的剪枝策略 | 第31-34页 |
| 3.3.5 HUPTID算法 | 第34-38页 |
| 3.4 实验分析 | 第38-46页 |
| 3.4.1 交易项记录既有插入又有删除情况下的性能评估 | 第39-41页 |
| 3.4.2 交易项记录只有插入情况下的性能评估 | 第41-43页 |
| 3.4.3 交易项记录只有删除情况下的性能评估 | 第43-45页 |
| 3.4.4 规模性测试 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 top-n效用模式挖掘 | 第47-67页 |
| 4.1 问题定义 | 第48-49页 |
| 4.2 经典的top-n效用模式挖掘算法 | 第49-50页 |
| 4.3 TONUP算法 | 第50-55页 |
| 4.3.1 筛选枚举的模式 | 第50页 |
| 4.3.2 计算枚举模式的效用 | 第50-51页 |
| 4.3.3 TONUP的基础版本 | 第51-52页 |
| 4.3.4 四个优化策略 | 第52-55页 |
| 4.4 实验分析 | 第55-59页 |
| 4.4.1 运行时间对比 | 第56-57页 |
| 4.4.2 候选集数量对比 | 第57-58页 |
| 4.4.3 内存使用对比 | 第58-59页 |
| 4.4.4 规模性比较 | 第59页 |
| 4.5 TONUP算法实验分析 | 第59-65页 |
| 4.5.1 使用真实效用值来提高阈值策略剖析 | 第60-61页 |
| 4.5.2 后缀树策略剖析 | 第61页 |
| 4.5.3 自动实投影策略剖析 | 第61-63页 |
| 4.5.4 动态降序排列策略剖析 | 第63-64页 |
| 4.5.5 两轮优化转换策略剖析 | 第64-65页 |
| 4.6 本章小结 | 第65-67页 |
| 5 总结与展望 | 第67-68页 |
| 5.1 论文总结 | 第67页 |
| 5.2 未来展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 本文作者硕士期间参加的科研项目及学术成果 | 第71-72页 |
| 致谢 | 第72-73页 |