| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 前言 | 第9-13页 |
| ·课题研究背景 | 第9-10页 |
| ·课题研究现状 | 第10-11页 |
| ·课题研究意义 | 第11-12页 |
| ·论文组织结构 | 第12-13页 |
| 第二章 数据挖掘与关联规则理论概述 | 第13-29页 |
| ·数据挖掘概述 | 第13-15页 |
| ·数据挖掘定义及流程 | 第13-14页 |
| ·数据挖掘的应用及面临的挑战 | 第14-15页 |
| ·关联规则挖掘概述 | 第15-18页 |
| ·问题描述及基本概念 | 第15-17页 |
| ·关联规则的挖掘分类及步骤 | 第17-18页 |
| ·经典关联规则挖掘算法—Apriori算法研究 | 第18-24页 |
| ·Apriori算法步骤及性质 | 第18-21页 |
| ·Apriori算法的局限性及优化思想 | 第21-22页 |
| ·Apriori算法新的应用领域—web数据挖掘 | 第22-24页 |
| ·基于矩阵改进的Apriori算法 | 第24-28页 |
| ·相关定义 | 第24-25页 |
| ·算法思想描述 | 第25-26页 |
| ·基于矩阵的Apriori算法思想在web数据挖掘中的应用 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 加权关联规则算法及模型的研究 | 第29-37页 |
| ·引入加权思想 | 第29-30页 |
| ·几种加权关联规则算法模型 | 第30-31页 |
| ·加权关联规则算法研究 | 第31-36页 |
| ·New-Apriori算法 | 第31-32页 |
| ·经典MINWAL(0)算法 | 第32-34页 |
| ·权重集的归一化思想 | 第34-35页 |
| ·基于概率的加权关联规则挖掘算法 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于矩阵的加权关联规则改进算法 | 第37-54页 |
| ·现有模型及算法的优缺点 | 第37-38页 |
| ·基于矩阵的加权关联规则模型及算法研究 | 第38-53页 |
| ·改进算法的优化描述 | 第38-41页 |
| ·改进算法的思想 | 第41-47页 |
| ·改进算法的流程 | 第47页 |
| ·改进算法挖掘过程实例分析 | 第47-51页 |
| ·改进算法的性能分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 改进算法在知识点个性化推荐中的应用 | 第54-63页 |
| ·知识点个性化推荐的意义 | 第54页 |
| ·基于关联规则的知识点个性化推荐 | 第54-62页 |
| ·改进算法应用于个性化推荐的优势 | 第55页 |
| ·关联规则个性化推荐流程 | 第55-56页 |
| ·简单的推荐算法及推荐实例 | 第56-59页 |
| ·知识点个性化推荐模拟实验 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| ·本文的总结 | 第63-64页 |
| ·将来的工作 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间主要的研究成果 | 第69页 |