| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 引言 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·数据挖掘概述 | 第11-14页 |
| ·数据挖掘的主要步骤 | 第11-12页 |
| ·数据挖掘的主要任务 | 第12-13页 |
| ·数据挖掘的主要应用 | 第13-14页 |
| ·本文的主要工作 | 第14-15页 |
| ·本文的组织安排 | 第15-16页 |
| 第二章 关联规则挖掘概述 | 第16-23页 |
| ·关联规则的介绍 | 第16-17页 |
| ·关联规则的基本概念 | 第17-18页 |
| ·关联规则种类 | 第18页 |
| ·算法综述 | 第18-22页 |
| ·经典的频繁模式算法 | 第18-20页 |
| ·改进的频繁项集挖掘算法 | 第20-22页 |
| ·多层关联规则挖掘 | 第22页 |
| ·小结 | 第22-23页 |
| 第三章 分布式关联规则挖掘算法与改进 | 第23-37页 |
| ·概述 | 第23-25页 |
| ·分布式数据挖掘 | 第23-24页 |
| ·知识网格 | 第24-25页 |
| ·相关概念的定义 | 第25页 |
| ·分布式挖掘算法 | 第25-32页 |
| ·目前的分布式算法 | 第25-28页 |
| ·对DDM算法的改进:PDDM算法 | 第28-30页 |
| ·基于网格服务的分布式抽样算法: GDS算法 | 第30-32页 |
| ·算法复杂度和实验分析 | 第32-36页 |
| ·PDDM算法的通信复杂度及分析 | 第32-33页 |
| ·PDDM算法的实验结果 | 第33-35页 |
| ·GDS算法实验结果 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于 FP树的分布式关联规则挖掘算法 | 第37-54页 |
| ·FP-树简介 | 第37-38页 |
| ·FP-树增长算法 | 第38-46页 |
| ·FP树挖掘例子 | 第38-41页 |
| ·枚举树的思想 | 第41-42页 |
| ·在FP-树挖掘中不生成条件FP-树挖掘算法 | 第42-46页 |
| ·基于FP-树的分布式模式挖掘算法 | 第46-50页 |
| ·DFP算法的描述 | 第46-47页 |
| ·DFP(Distributed association rules mining on FP-tree)算法 | 第47-49页 |
| ·DFP算法的改进 | 第49-50页 |
| ·DFP算法分析和实验结果 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于FP树的全局最大频繁项集挖掘算法 | 第54-64页 |
| ·简介 | 第54-55页 |
| ·最大频繁项目集挖掘算法描述 | 第55-56页 |
| ·Pincer-Search算法 | 第55-56页 |
| ·基于FP-树的全局最大频繁项目集挖掘算法(MGMF算法) | 第56-61页 |
| ·被约束子树 | 第56-57页 |
| ·MGMF算法思想 | 第57-58页 |
| ·全局最大频繁项集挖掘算法(MGMF算法) | 第58-61页 |
| ·实验分析 | 第61-63页 |
| ·小结 | 第63-64页 |
| 第六章 总结 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 附录: 攻读硕士学位期间发表学术论文 | 第71页 |