| 中文摘要 | 第1页 |
| 英文摘要 | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·国外研究现状 | 第8-9页 |
| ·国内研究现状 | 第9-10页 |
| ·课题研究内容 | 第10页 |
| ·论文的组织结构 | 第10-11页 |
| 第二章 数据挖掘技术 | 第11-18页 |
| ·数据挖掘概念 | 第11页 |
| ·数据挖掘步骤 | 第11-13页 |
| ·数据挖掘方法 | 第13-15页 |
| ·人工神经网络 | 第13页 |
| ·遗传算法 | 第13-14页 |
| ·决策树 | 第14页 |
| ·关联分析 | 第14页 |
| ·序列模式分析 | 第14-15页 |
| ·分类分析 | 第15页 |
| ·聚类分析 | 第15页 |
| ·数据挖掘常用的知识表示模式与方法 | 第15-17页 |
| ·关联知识挖掘 | 第15-16页 |
| ·广义知识挖掘 | 第16页 |
| ·类知识挖掘 | 第16页 |
| ·预测型知识挖掘 | 第16-17页 |
| ·特异型知识挖掘 | 第17页 |
| ·数据挖掘的应用 | 第17页 |
| ·本章小结 | 第17-18页 |
| 第三章 关联规则挖掘 | 第18-29页 |
| ·基本概念 | 第18-19页 |
| ·关联规则的分类 | 第19-20页 |
| ·关联规则挖掘步骤 | 第20-21页 |
| ·关联规则Apriori 算法 | 第21-28页 |
| ·Apriori 算法原理与描述 | 第21-25页 |
| ·Apriori 算法缺陷 | 第25-26页 |
| ·典型的Apriori 优化算法介绍 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 AprioriGroup 算法 | 第29-40页 |
| ·几个重要性质 | 第29页 |
| ·AprioriGroup 算法改进思想 | 第29页 |
| ·AprioriGroup 算法特色 | 第29-35页 |
| ·AprioriGroup 算法 | 第35-39页 |
| ·AprioriGroup 算法分析 | 第35页 |
| ·AprioriGroup 算法流程图 | 第35-36页 |
| ·AprioriGroup 算法描述 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 AprioriGroup 算法在光纤故障隐患预警系统中的应用 | 第40-52页 |
| ·应用背景 | 第40页 |
| ·光纤故障隐患预警系统结构设计 | 第40-41页 |
| ·光功率监测模块 | 第41-42页 |
| ·光纤故障预警模块 | 第42-51页 |
| ·光功率数据分析模块 | 第42-45页 |
| ·光功率数据挖掘模块 | 第45-51页 |
| ·系统测试结果分析 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| ·总结 | 第52-53页 |
| ·进一步工作 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 在学期间发表的学术论文和参加的科研情况 | 第58页 |