| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 主要符号对照表 | 第12-13页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究背景及意义 | 第13-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 概念与模式方向的研究 | 第17-18页 |
| 1.2.2 算法实现方向的研究 | 第18页 |
| 1.2.3 应用方向的研究 | 第18-19页 |
| 1.2.4 连续属性关联规则挖掘方法研究现状 | 第19页 |
| 1.3 本文的创新点 | 第19-21页 |
| 1.4 本文的研究内容 | 第21-23页 |
| 第二章 关联分析相关理论简介 | 第23-29页 |
| 2.1 关联分析背景介绍 | 第23-24页 |
| 2.2 Apriori算法简介 | 第24-29页 |
| 2.2.1 算法引理 | 第24-25页 |
| 2.2.2 算法简介 | 第25-27页 |
| 2.2.3 算法复杂度 | 第27-29页 |
| 第三章 基于maxR~2的连续属性关联规则挖掘方法 | 第29-39页 |
| 3.1 maxR~2指标及其性质 | 第29-34页 |
| 3.1.1 指标概述 | 第29页 |
| 3.1.2 指标性质 | 第29-34页 |
| 3.2 基于maxR~2的Apriori关联规则算法 | 第34-36页 |
| 3.3 算法复杂度分析 | 第36页 |
| 3.4 算法在模拟数据集上的实证和算法优劣分析 | 第36-39页 |
| 第四章 基于遗传算法和maxR~2的关联分析改进 | 第39-45页 |
| 4.1 基于遗传算法和R~2的关联分析算法 | 第39-43页 |
| 4.2 算法在模拟数据集上的实验和算法的优劣分析 | 第43-45页 |
| 第五章 实证分析 | 第45-49页 |
| 全文总结 | 第49-51页 |
| 附录A maxRs-Apriori的R实现 | 第51-55页 |
| 附录B Genetic-maxRs的R实现节选 | 第55-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67页 |