基于FP-树的频繁模式和长模式挖掘

第一章 引言	第1-12页
·数据挖掘的概念	第7-9页
·数据挖掘算法分类及评价方法	第9-11页
·算法分类	第9-10页
·数据挖掘算法的评价	第10-11页
·本文的结构安排	第11-12页
第二章 基于Apriori思想的算法	第12-19页
·频繁模式挖掘的定义	第12页
·Apriori算法:使用候选项集找频繁项集	第12-18页
·Apriori算法评估	第18-19页
第三章 基于模式增长思想的算法FP-Growth	第19-24页
·不产生候选项集挖掘频繁模式	第19-22页
·FP-Growth算法评估	第22-24页
第四章 最小项优先模式增长算法LIFPG	第24-35页
·问题描述和基本过程	第24-25页
·事务树和被约束的子树	第25-29页
·事务树	第25-27页
·被约束的子树	第27-29页
·LIFPG算法	第29-31页
·进一步优化策略	第29-30页
·LIFPG算法的伪代码	第30-31页
·性能研究	第31-35页
第五章 最大项优先模式增长算法MIFPG	第35-44页
·概念和背景	第35-38页
·频繁模式树FP-树	第36-37页
·前缀子森林	第37-38页
·最大项优先的模式增长算法MIFPG	第38-41页
·基本思想	第38-39页
·优化策略:跳跃	第39-40页
·MIFPG算法	第40-41页
·性能研究	第41-43页
·基于FP-树的频繁模式挖掘新算法评估	第43-44页
第六章 基于最小项优先的长模式挖掘方法	第44-52页
·引言	第44-45页
·最长频繁模式的概念	第45页
·基于最小项优先的最长模式的挖掘	第45-48页
·挖掘尽可能长的频繁模式	第46页
·不考察有相同支持计数的项	第46-47页
·过滤非最长模式	第47-48页
·最小项优先长模式挖掘伪代码	第48-50页
·性能研究	第50-52页
结束语	第52-53页
致谢	第53-54页
参考文献	第54-57页