| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1. 引言 | 第10-13页 |
| ·论文的研究背景. | 第10-11页 |
| ·论文的选题意义. | 第11页 |
| ·关联规则挖掘的研究现状. | 第11-12页 |
| ·论文的组织结构. | 第12页 |
| ·本章小结 | 第12-13页 |
| 2. 数据挖掘与关联规则挖掘技术 | 第13-20页 |
| ·基本概念和性质. | 第13-14页 |
| ·关联规则的问题描述. | 第14-15页 |
| ·兴趣度的扩展研究. | 第15-17页 |
| ·关联规则的应用. | 第17-19页 |
| ·商业零售行业. | 第17页 |
| ·金融和保险服务行业 | 第17-18页 |
| ·科学研究领域. | 第18页 |
| ·电信网络管理. | 第18页 |
| ·其它应用领域. | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 3. 挖掘关联规则的相关算法及其分析 | 第20-38页 |
| ·Apriori 算法 | 第20-25页 |
| ·Apriori 算法基本思想及实现 | 第20-21页 |
| ·一个数值例子. | 第21-24页 |
| ·Apriori 算法的性能分析 | 第24页 |
| ·基于Apriori 的几种改进算法 | 第24-25页 |
| ·频繁模式增长算法. | 第25-30页 |
| ·算法提出的背景 | 第25-26页 |
| ·算法采用的数据结构 | 第26页 |
| ·算法的执行过程 | 第26-27页 |
| ·一个数值例子 | 第27-30页 |
| ·基于零售业特征的FP-growth 算法的优化 | 第30-37页 |
| ·FP-growth 算法应用在零售业数据库中的瓶颈问题 | 第30-31页 |
| ·Matrix-FP-growth 算法 | 第31-33页 |
| ·一个数值例子. | 第33-34页 |
| ·FP-growth 算法与Matrix-FP-growth 算法的性能比较. | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 4. 关联规则挖掘在零售业中的研究 | 第38-55页 |
| ·零售业特征 | 第38页 |
| ·基于频繁项目集产生利润最大化的销售组合 | 第38-42页 |
| ·理论提出 | 第38-39页 |
| ·算法研究与实现 | 第39-40页 |
| ·一个数值例子 | 第40-42页 |
| ·零售业的关联规则兴趣度分析 | 第42-46页 |
| ·零售业竞争商品分析模型 | 第46-50页 |
| ·理论提出 | 第46-47页 |
| ·算法研究与实现 | 第47-50页 |
| ·零售业的商品推荐模型 | 第50-54页 |
| ·理论提出 | 第50-51页 |
| ·算法研究与实现 | 第51-52页 |
| ·一个数值例子 | 第52-53页 |
| ·实验结果与分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 5. 研究项目的实践与结果分析 | 第55-64页 |
| ·项目背景 | 第55页 |
| ·项目实践的硬件环境 | 第55-56页 |
| ·数据准备 | 第56页 |
| ·数据预处理 | 第56-58页 |
| ·删除无效数据 | 第56-57页 |
| ·数据转换 | 第57页 |
| ·数据匹配 | 第57页 |
| ·数据合并 | 第57-58页 |
| ·功能实践与结果分析 | 第58-63页 |
| ·零售业强关联规则的生成 | 第58-59页 |
| ·利润最大化的商品销售组合模型的应用 | 第59-60页 |
| ·竞争商品的结果分析 | 第60-62页 |
| ·商品推荐的结果分析与比较 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 6. 结束语 | 第64-66页 |
| ·总结 | 第64-65页 |
| ·今后工作的展望 | 第65-66页 |
| 附录 | 第66-70页 |
| 附录1 Apriori 算法伪代码 | 第66-68页 |
| 附录2 构造频繁模式树与频繁模式增长算法伪代码 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间发表的学术论文 | 第74页 |