| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及选题的意义 | 第8-10页 |
| 1.2 国内外关联规则挖掘技术研究及应用现状 | 第10-12页 |
| 1.3 主要研究内容及论文的结构 | 第12-13页 |
| 第二章 数据挖掘技术概述 | 第13-23页 |
| 2.1 数据挖掘的有关概念 | 第13-14页 |
| 2.2 数据挖掘的数据类型 | 第14-17页 |
| 2.2.1 经典数据类型 | 第15-16页 |
| 2.2.2 其他数据类型 | 第16-17页 |
| 2.3 数据挖掘的经典任务 | 第17-21页 |
| 2.3.1 关联规则挖掘 | 第17-19页 |
| 2.3.2 分类挖掘 | 第19-20页 |
| 2.3.3 聚类挖掘 | 第20-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第三章 关联规则挖掘算法分析 | 第23-34页 |
| 3.1 关联规则挖掘概述 | 第23页 |
| 3.2 经典的关联规则挖掘算法Apriori | 第23-28页 |
| 3.2.1 Apriori算法描述 | 第23-24页 |
| 3.2.2 实例说明 | 第24-26页 |
| 3.2.3 Apriori的性能瓶颈及改进 | 第26-28页 |
| 3.3 FP-growth算法 | 第28-33页 |
| 3.3.1 FP-growth算法的描述 | 第28-30页 |
| 3.3.2 FP-growth的实例说明 | 第30-32页 |
| 3.3.3 FP-growth算法的性能瓶颈及改进思路 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 FP-growth算法的改进 | 第34-49页 |
| 4.1 FP-growth算法时间复杂度的分析 | 第34页 |
| 4.2 基于数据分组的改进 | 第34-36页 |
| 4.3 FP-tree压缩算法 | 第36-42页 |
| 4.3.1 FP-tree压缩算法基本思想及算法描述 | 第36-37页 |
| 4.3.2 FP-tree压缩算法实例描述 | 第37-42页 |
| 4.4 实验与结果分析 | 第42-48页 |
| 4.4.1 实验数据的获取 | 第42-45页 |
| 4.4.2 实验数据的预处理 | 第45-46页 |
| 4.4.3 实验环境 | 第46页 |
| 4.4.4 实验结果及分析 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 GCFP-growth在招聘信息挖掘系统中的应用 | 第49-64页 |
| 5.1 招聘信息挖掘系统需求分析 | 第49-50页 |
| 5.2 招聘信息挖掘系统的设计 | 第50-54页 |
| 5.2.1 系统架构设计 | 第50-51页 |
| 5.2.2 功能设计 | 第51-54页 |
| 5.2.3 数据结构设计 | 第54页 |
| 5.3 用户注册与登录模块和数据导入模块的实现效果 | 第54-56页 |
| 5.4 基于GCFP-growth算法的关联规则挖掘及分析模块的设计与实现 | 第56-63页 |
| 5.4.1 分析维度的设计 | 第56页 |
| 5.4.2 分析主题的设计 | 第56-57页 |
| 5.4.3 针对具体分析主题基于GCFP-growth算法的挖掘示例 | 第57-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-65页 |
| 6.1 总结 | 第64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 致谢 | 第67页 |
