| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究目的和意义 | 第8-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.3.1 国外研究现状 | 第10-11页 |
| 1.3.2 国内研究现状 | 第11-12页 |
| 1.4 论文研究主要内容 | 第12页 |
| 1.5 论文组织结构 | 第12-14页 |
| 第二章 关联法则相关知识介绍 | 第14-24页 |
| 2.1 数据挖掘综述 | 第14-20页 |
| 2.1.1 数据挖掘产生及概念 | 第14-15页 |
| 2.1.2 数据挖掘特点 | 第15-16页 |
| 2.1.3 数据挖掘具体过程 | 第16-19页 |
| 2.1.4 数据挖掘分类与应用 | 第19-20页 |
| 2.2 关联法则 | 第20-24页 |
| 2.2.1 基本概念 | 第21-23页 |
| 2.2.2 关联法则的分类 | 第23页 |
| 2.2.3 关联法则应用 | 第23-24页 |
| 第三章 传统的关联法则算法 | 第24-36页 |
| 3.1 Apriori算法 | 第24-28页 |
| 3.1.1 Apriori算法原理与描述 | 第24-26页 |
| 3.1.2 Apriori算法实例 | 第26-28页 |
| 3.1.3 Apriori性能分析 | 第28页 |
| 3.2 FP-growth算法 | 第28-36页 |
| 3.2.1 FP-growth算法简述 | 第28-31页 |
| 3.2.2 FP-growth算法实例 | 第31-33页 |
| 3.2.3 FP-growth算法分析 | 第33-36页 |
| 第四章 基于频繁模式树算法的关联法则挖掘新算法 | 第36-54页 |
| 4.1 基于频繁模式树的关联法则改进点1 | 第36-41页 |
| 4.1.1 OFP-Tree的构造过程 | 第36-39页 |
| 4.1.2 利用二维表获取α条件下的频繁列表L-α过程 | 第39-41页 |
| 4.2 基于频繁模式树的关联法则改进点2 | 第41-46页 |
| 4.2.1 分解数据集算法过程描述 | 第41-42页 |
| 4.2.2 实际案例说明 | 第42-46页 |
| 4.3 基于分解数据库和OFP-Tree的DOFP-Mine算法 | 第46-54页 |
| 4.3.1 DOFP-Mine算法过程 | 第46-47页 |
| 4.3.2 算法案例 | 第47-50页 |
| 4.3.3 算法性能分析 | 第50-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 论文总结 | 第54-55页 |
| 5.2 本文的不足以及未来的工作计划 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 发表论文和参加科研情况说明 | 第60-62页 |
| 致谢 | 第62页 |