| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-13页 |
| 1 绪论 | 第13-19页 |
| 1．1 课题的意义 | 第13页 |
| 1．2 国内外研究现状 | 第13-15页 |
| 1．3 存在的问题和不足 | 第15-16页 |
| 1．4 论文的主要研究内容和创新点 | 第16-17页 |
| 1．5 论文的组织结构 | 第17-19页 |
| 2 Apriori关联规则挖掘算法研究 | 第19-30页 |
| 2．1 关联规则及其挖掘产生的背景 | 第19页 |
| 2．2 关联规则的形式化定义 | 第19-21页 |
| 2．3 Apriori挖掘算法 | 第21-25页 |
| 2．3．1 算法的基本思想 | 第22页 |
| 2．3．2 算法描述 | 第22-23页 |
| 2．3．3 候选频繁项集的产生函数 | 第23页 |
| 2．3．4 候选频繁项集中各频繁项的支持度计算 | 第23-25页 |
| 2．3．5 算法举例 | 第25页 |
| 2．4 关联规则生成算法 | 第25-27页 |
| 2．4．1 基本思想 | 第25-26页 |
| 2．4．2 关联规则生成算法描述 | 第26-27页 |
| 2．5 算法的特点和存在的不足 | 第27-28页 |
| 2．5．1 算法的特点 | 第27页 |
| 2．5．2 算法的不足或存在的问题 | 第27-28页 |
| 2．6 本章小结 | 第28-30页 |
| 3 关联规则挖掘模型研究 | 第30-41页 |
| 3．1 Agrawal关联规则挖掘模型 | 第30-31页 |
| 3．2 关联规则挖掘模型 | 第31-34页 |
| 3．2．1 模型 | 第32-33页 |
| 3．2．2 与模型的区别 | 第33-34页 |
| 3．2．3 关联关系 | 第34页 |
| 3．3 已有的关联规则与模型的关系 | 第34-38页 |
| 3．3．1 关联关系图谱 | 第34页 |
| 3．3．2 各种关联关系的简要说明 | 第34-38页 |
| 3．4 关联规则挖掘算法构成框架 | 第38-39页 |
| 3．5 关联规则的知识提取 | 第39-40页 |
| 3．6 本论文与的关系 | 第40页 |
| 3．7 本章小结 | 第40-41页 |
| 4 扩展型关联规则及其挖掘算法 | 第41-55页 |
| 4．1 问题的提出 | 第41-42页 |
| 4．2 扩展型关联规则定义 | 第42页 |
| 4．3 扩展型关联规则支持度计算的若干定理 | 第42-46页 |
| 4．4 扩展型关联规则模型及支持度计算定理的意义 | 第46-47页 |
| 4．4．1 扩展型关联规则模型的意义 | 第46-47页 |
| 4．4．2 扩展型关联规则模型的实际意义 | 第47页 |
| 4．4．3 支持度定理1到定理5的意义 | 第47页 |
| 4．5 扩展型关联规则挖掘算法 | 第47-53页 |
| 4．5．1 扩展型关联规则挖掘算法1-ExApriori算法 | 第47-50页 |
| 4．5．2 扩展型关联规则挖掘算法2-New_ExApriori算法 | 第50-52页 |
| 4．5．3 New_ExApriori和ExApriori的区别 | 第52-53页 |
| 4．6 实验结果 | 第53-54页 |
| 4．6．1 实验环境及实验数据源 | 第53页 |
| 4．6．2 实验结果 | 第53-54页 |
| 4．7 本章小结 | 第54-55页 |
| 5 原关联规则及其挖掘算法 | 第55-69页 |
| 5．1 问题的提出 | 第55页 |
| 5．2 原关联规则定义及其若干定理 | 第55-61页 |
| 5．2．1 关联规则的的两个重要定理 | 第56页 |
| 5．2．2 原关联规则的定义及其若干性质 | 第56-58页 |
| 5．2．3 频繁项与原关联规则 | 第58-61页 |
| 5．3 原关联规则的意义和作用 | 第61页 |
| 5．4 原关联规则挖掘算法 | 第61-66页 |
| 5．4．1 源关联规则产生算法描述 | 第61-63页 |
| 5．4．2 原关联规则产生算法描述 | 第63-65页 |
| 5．4．3 原关联规则挖掘示例 | 第65-66页 |
| 5．5 实验结果 | 第66-68页 |
| 5．6 本章小结 | 第68-69页 |
| 6 树-投影关联规则挖掘的水平优化策略 | 第69-92页 |
| 6．1 引言 | 第69-70页 |
| 6．2 树-投影方法简介 | 第70-73页 |
| 6．2．1 基本概念 | 第70-71页 |
| 6．2．2 树-投影关联规则挖掘方法的优势 | 第71-73页 |
| 6．3 问题的提出 | 第73页 |
| 6．4 水平优化策略 | 第73-80页 |
| 6．4．1 水平优化的含义 | 第73-74页 |
| 6．4．2 水平优化定理及其物理意义 | 第74-78页 |
| 6．4．3 水平优化中投影数据库关系判断的优化 | 第78页 |
| 6．4．4 水平优化策略 | 第78-80页 |
| 6．5 搜索策略 | 第80-81页 |
| 6．6 水平优化投影挖掘示例 | 第81-84页 |
| 6．7 水平优化投影挖掘算法 | 第84-89页 |
| 6．7．1 基本思想 | 第84页 |
| 6．7．2 算法描述 | 第84-89页 |
| 6．8 实验结果 | 第89-91页 |
| 6．8．1 实验环境及实验数据来源 | 第89页 |
| 6．8．2 实验结果 | 第89-91页 |
| 6．9 本章小结 | 第91-92页 |
| 7 树-投影关联规则挖掘的垂直优化策略 | 第92-101页 |
| 7．1 问题的提出 | 第92-93页 |
| 7．2 垂直优化 | 第93-95页 |
| 7．2．1 垂直优化的含义 | 第93页 |
| 7．2．2 垂直优化定理及其物理意义 | 第93-94页 |
| 7．2．3 垂直优化中投影数据库关系判断的优化 | 第94页 |
| 7．2．4 垂直优化策略 | 第94-95页 |
| 7．3 垂直优化策略与水平优化策略的关系 | 第95-97页 |
| 7．4 搜索策略 | 第97-98页 |
| 7．4．1 深度优先搜索策略与垂直优化的关系 | 第97页 |
| 7．4．2 广度优先搜索策略与垂直优化的关系 | 第97-98页 |
| 7．5 实例说明 | 第98-99页 |
| 7．6 本章小结 | 第99-101页 |
| 8 基于多策略优化的树-投影关联规则挖掘算法 | 第101-117页 |
| 8．1 MOP_TreeProject的数据组织结构 | 第101-103页 |
| 8．1．1 MOP_TreeProject的投影策略 | 第101页 |
| 8．1．2 兄弟交集投影的优势 | 第101-102页 |
| 8．1．3 兄弟交集投影与数据垂直组织的关系 | 第102-103页 |
| 8．2 树-投影挖掘中的Apriori优化 | 第103-109页 |
| 8．2．1 投影操作与Apriori优化的关系 | 第103-104页 |
| 8．2．2 无优化投影挖掘中的Apriori优化 | 第104-107页 |
| 8．2．3 水平优化投影挖掘中的Apriori优化 | 第107-109页 |
| 8．3 属性项目优化策略 | 第109-111页 |
| 8．3．1 关系数据库挖掘举例 | 第109-111页 |
| 8．3．2 树-投影挖掘算法中的属性项目优化方法 | 第111页 |
| 8．4 MOP_TreeProject算法中多优化策略的顺序 | 第111-112页 |
| 8．5 MOP_TreeProject算法描述 | 第112-115页 |
| 8．5．1 算法中的主要数据结构 | 第112页 |
| 8．5．2 算法描述 | 第112-115页 |
| 8．6 实验结果 | 第115-116页 |
| 8．6．1 实验环境及实验数据来源 | 第115页 |
| 8．6．2 实验结果 | 第115-116页 |
| 8．7 本章小结 | 第116-117页 |
| 9 总结 | 第117-119页 |
| 致谢 | 第119-120页 |
| 参考文献 | 第120-126页 |
| 附:1．在攻读博士学位期间发表的论文目录 | 第126-132页 |
| 2． 在攻读博士学位期间参加的科研项目 | 第127-132页 |
