加权关联规则优化算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-13页 |
| 1.1 本课题研究背景及意义 | 第10页 |
| 1.2 本课题研究的现状 | 第10-12页 |
| 1.3 本文研究内容及文章组织结构 | 第12-13页 |
| 第2章 数据挖掘与关联分析 | 第13-23页 |
| 2.1 数据挖掘技术的产生与应用 | 第13-15页 |
| 2.1.1 数据挖掘基本概念和内容 | 第13-15页 |
| 2.1.2 数据挖掘的主要任务 | 第15页 |
| 2.2 关联分析相关理论 | 第15-18页 |
| 2.2.1 关联规则基本概念 | 第16-17页 |
| 2.2.2 关联规则的分类 | 第17-18页 |
| 2.3 关联规则挖掘算法 | 第18-21页 |
| 2.3.1 广度优先算法 | 第18-19页 |
| 2.3.2 深度优先算法 | 第19-20页 |
| 2.3.3 其他挖掘算法 | 第20-21页 |
| 2.4 关联模型的评估 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 加权关联规则模型 | 第23-30页 |
| 3.1 加权思想的引入 | 第23页 |
| 3.2 加权关联规则算法及模型 | 第23-29页 |
| 3.2.1 水平加权关联规则 | 第23-25页 |
| 3.2.2 基于K-支持期望的加权算法 | 第25-27页 |
| 3.2.3 混合加权关联规则 | 第27-29页 |
| 3.2.4 其他加权关联规则算法 | 第29页 |
| 3.3 本章小结 | 第29-30页 |
| 第4章 改进的加权关联规则挖掘算法 | 第30-48页 |
| 4.1 新的加权策略 | 第30页 |
| 4.2 改进算法的基本概念和理论 | 第30-31页 |
| 4.3 算法改进措施 | 第31-36页 |
| 4.3.1 基于聚类的预处理和数据划分 | 第31-33页 |
| 4.3.2 压缩矩阵的存储运算 | 第33-34页 |
| 4.3.3 优化拼接和剪枝方法 | 第34-36页 |
| 4.4 改进的加权关联规则算法描述 | 第36-38页 |
| 4.5 基于多最小支持度的加权关联规则 | 第38-47页 |
| 4.5.1 多最小支持度的引入 | 第38-40页 |
| 4.5.2 加权项集的等价划分 | 第40-41页 |
| 4.5.3 垂直数据的优化 | 第41-42页 |
| 4.5.4 NAWARM_MMS算法的实现步骤 | 第42-44页 |
| 4.5.5 NAWARM_MMS算法的实例及分析 | 第44-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 实验结果与分析 | 第48-56页 |
| 5.1 实验目的 | 第48页 |
| 5.2 实验数据集 | 第48-49页 |
| 5.3 实验环境及前期准备 | 第49页 |
| 5.4 实验框架 | 第49页 |
| 5.5 实验结果及分析 | 第49-55页 |
| 5.5.1 单支持度下的对比实验 | 第49-54页 |
| 5.5.2 多支持度算法的对比实验 | 第54-55页 |
| 5.6 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间研究成果 | 第61-62页 |
| 致谢 | 第62页 |
