基于项目邻接表与事务树的频繁项集挖掘算法
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题的研究背景与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13-14页 |
| ·本文的研究内容 | 第14页 |
| ·论文的组织结构 | 第14-16页 |
| 第2章 关联规则挖掘 | 第16-26页 |
| ·数据挖掘的概念及挖掘方法 | 第16-20页 |
| ·数据挖掘的基本概念 | 第17-19页 |
| ·数据挖掘的分类 | 第19-20页 |
| ·关联规则的基本概念及描述 | 第20-25页 |
| ·基本概念 | 第21-22页 |
| ·关联规则的分类 | 第22-23页 |
| ·关联规则与其它研究领域的关系 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于项目邻接表的频繁项集挖掘算法 | 第26-36页 |
| ·频繁项集经典算法分析 | 第26-28页 |
| ·IAL 算法设计与实现 | 第28-33页 |
| ·项目邻接表的定义 | 第28-31页 |
| ·IAL-Apriori 算法思想 | 第31页 |
| ·IAL-Apriori 算法实现 | 第31-33页 |
| ·IAL-APRIORI算法实验分析 | 第33-34页 |
| ·数据集及环境的设置 | 第33页 |
| ·试验结果 | 第33-34页 |
| ·性能分析 | 第34页 |
| ·本章小结 | 第34-36页 |
| 第4章 基于事务树的最大频繁项集挖掘算法 | 第36-48页 |
| ·引言 | 第36页 |
| ·前期工作 | 第36-38页 |
| ·TT-Apriori 算法涉及的定义和性质 | 第36-37页 |
| ·事务数据库预处理 | 第37-38页 |
| ·TT-APRIORI算法设计 | 第38-44页 |
| ·项集支持度的计算 | 第38-39页 |
| ·算法处理思想 | 第39-42页 |
| ·TT-Apriori 算法描述 | 第42-43页 |
| ·基于事务树的数据库动态更新策略 | 第43-44页 |
| ·实验分析 | 第44-46页 |
| ·实验数据及实验环境 | 第44页 |
| ·实验结果 | 第44-46页 |
| ·性能分析 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第5章 基于参考置信度的关联规则挖掘算法 | 第48-62页 |
| ·引言 | 第48-50页 |
| ·关联规则度量标准分析 | 第50-54页 |
| ·作用度 | 第52-53页 |
| ·兴趣度 | 第53-54页 |
| ·有效度 | 第54页 |
| ·ARMC 算法设计 | 第54-59页 |
| ·参考置信度 | 第54-55页 |
| ·基于参考置信度的关联规则分类 | 第55-58页 |
| ·AMRC 算法描述 | 第58-59页 |
| ·实验分析 | 第59-61页 |
| ·环境及数据集的设置 | 第59页 |
| ·实验结果及分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 作者简介 | 第71页 |
