| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·数据挖掘的历史背景 | 第10-11页 |
| ·数据挖掘在商业中的应用 | 第11-15页 |
| ·数据挖掘在市场营销的应用 | 第11-13页 |
| ·数据挖掘在电信、金融方面的成功案例 | 第13-15页 |
| ·各章节内容介绍 | 第15-17页 |
| 第二章 关联规则与Apriori算法简述 | 第17-30页 |
| ·数据挖掘的定义及其分类 | 第17-19页 |
| ·数据挖掘的定义 | 第17页 |
| ·数据挖掘的分类 | 第17-19页 |
| ·关联规则的基本概念及分类 | 第19-24页 |
| ·研究对象及定义 | 第19-20页 |
| ·主要参数 | 第20-22页 |
| ·关联规则的分类 | 第22-24页 |
| ·Apriori算法简介 | 第24-30页 |
| ·Apriori算法主要内容 | 第24-25页 |
| ·Apriori算法伪代码 | 第25-27页 |
| ·由频繁项集产生关联规则 | 第27页 |
| ·一些提高算法有效性的方法 | 第27-30页 |
| 第三章 寻找多维关联规则中频繁项集方法的总体思路 | 第30-39页 |
| ·Apriori原始算法不适合挖掘多维关联规则的原因 | 第30-31页 |
| ·多维关联规则的相关概念 | 第31-32页 |
| ·多维关联规则的定义 | 第31页 |
| ·多维关联规则的分类 | 第31-32页 |
| ·挖掘多维关联规则的方法 | 第32页 |
| ·基于多维关联规则挖掘的计数器算法的主要思路 | 第32-35页 |
| ·挖掘数据的前期整理 | 第33页 |
| ·唯一的一次扫描数据库 | 第33-34页 |
| ·寻找频繁项集 | 第34-35页 |
| ·输出强关联规则 | 第35页 |
| ·计数器算法的伪代码 | 第35-36页 |
| ·算法编译过程中需要注意的问题 | 第36-39页 |
| ·如何更有效的由频繁(n-1)-项集生成频繁n-项集 | 第36-37页 |
| ·如何进一步提高初始扫描效率 | 第37页 |
| ·如何更有效的判断是否存在更高层次的频繁项集 | 第37-39页 |
| 第四章 挖掘多维关联规则的实际应用 | 第39-53页 |
| ·程序的简单介绍 | 第39-45页 |
| ·例子程序使用的软硬件说明 | 第39页 |
| ·程序界面及使用说明 | 第39-45页 |
| ·程序运行情况及结果 | 第45-51页 |
| ·随机产生数据库的运行情况 | 第45-47页 |
| ·使用企业真实数据后的运行情况 | 第47-51页 |
| ·算法效率评估 | 第51-53页 |
| 结束语 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 附录 | 第56-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表的学术论文目录 | 第63页 |