| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 第2章 数据挖掘及关联规则算法 | 第15-31页 |
| 2.1 数据挖掘概述 | 第15-16页 |
| 2.1.1 数据挖掘的定义 | 第15页 |
| 2.1.2 数据挖掘的流程 | 第15页 |
| 2.1.3 数据挖掘的功能 | 第15-16页 |
| 2.2 关联规则概述 | 第16-18页 |
| 2.2.1 关联规则的基本原理 | 第16-17页 |
| 2.2.2 关联规则的种类 | 第17-18页 |
| 2.3 关联规则相关算法 | 第18-29页 |
| 2.3.1 Apriori算法 | 第18-22页 |
| 2.3.2 FP_Growth算法 | 第22-29页 |
| 2.3.3 其他算法 | 第29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 基于FP_Growth算法的改进 | 第31-51页 |
| 3.1 FP-Table相关定义和理论 | 第31-33页 |
| 3.1.1 相关定义 | 第31-32页 |
| 3.1.2 相关理论证明 | 第32-33页 |
| 3.2 动态数组技术和哈希表技术 | 第33-36页 |
| 3.2.1 动态数组技术 | 第33-35页 |
| 3.2.2 哈希表技术 | 第35-36页 |
| 3.3 TFP_Growth算法 | 第36-43页 |
| 3.3.1 TFP_Growth算法的思想 | 第36-37页 |
| 3.3.2 TFP_Growth算法的实现 | 第37-39页 |
| 3.3.3 TFP_Growth算法示例 | 第39-42页 |
| 3.3.4 TFP_Growth算法优缺点分析 | 第42-43页 |
| 3.4 TFP_Growth算法优化 | 第43-50页 |
| 3.4.1 压缩二维表 | 第44-46页 |
| 3.4.2 二次遍历数据库 | 第46-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 电子政务有关的算法处理 | 第51-63页 |
| 4.1 电子政务数据特点分析 | 第51-52页 |
| 4.2 电子政务数据集的选取及预处理 | 第52-55页 |
| 4.2.1 电子政务数据集的选取 | 第52-53页 |
| 4.2.2 文本挖掘以及信息抽取技术 | 第53-55页 |
| 4.3 TFP_Growth算法在电子政务的应用 | 第55-60页 |
| 4.3.1 数据项加权 | 第55-56页 |
| 4.3.2 TFP_Growth算法在信访事务数据库中的应用 | 第56-60页 |
| 4.4 电子政务中的应用框架 | 第60-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 算法的性能及应用测试分析 | 第63-69页 |
| 5.1 TFP_Growth算法性能测试 | 第63-65页 |
| 5.2 TFP_Growth算法复杂度分析 | 第65-66页 |
| 5.3 电子政务的挖掘结果分析 | 第66-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 本文工作总结 | 第69页 |
| 6.2 未来工作展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75页 |