| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 课题研究意义 | 第10-11页 |
| 1.3 论文的研究目标和创新点 | 第11-12页 |
| 1.4 论文的组织和结构 | 第12-13页 |
| 第二章 数据挖掘关联规则挖掘技术 | 第13-28页 |
| 2.1 数据挖掘概述 | 第13-16页 |
| 2.1.1 数据挖掘相关概念 | 第13-14页 |
| 2.1.2 数据挖掘的方法 | 第14页 |
| 2.1.3 数据挖掘的分类 | 第14-15页 |
| 2.1.4 数据挖掘的基本步骤 | 第15-16页 |
| 2.1.5 数据挖掘在社交网络方面的应用 | 第16页 |
| 2.2 关联规则挖掘概述 | 第16-19页 |
| 2.2.1 关联规则研究现状 | 第16-17页 |
| 2.2.2 关联规则的概念 | 第17-18页 |
| 2.2.3 关联规则的挖掘过程 | 第18-19页 |
| 2.3 常见的关联规则算法 | 第19-20页 |
| 2.3.1 基本的关联规则挖掘算法 | 第19-20页 |
| 2.3.2 其他关联规则挖掘算法 | 第20页 |
| 2.4 经典Apriori算法研究 | 第20-26页 |
| 2.4.1 Apriori算法介绍 | 第21页 |
| 2.4.2 Apirori算法步骤 | 第21-23页 |
| 2.4.3 Apriori算法实例 | 第23-26页 |
| 2.4.4 Apriori算法的不足之处 | 第26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 基于免疫算法的关联规则挖掘研究 | 第28-40页 |
| 3.1 关联规则挖掘改进研究 | 第28-30页 |
| 3.1.1 Apriori以及典型算法 | 第28页 |
| 3.1.2 改进的关联规则挖掘算法Apriori_M | 第28-30页 |
| 3.2 基于免疫算法的关联规则挖掘研究 | 第30-39页 |
| 3.2.1 关联规则挖掘的特点分析 | 第30-31页 |
| 3.2.2 免疫算法介绍 | 第31-33页 |
| 3.2.3 使用免疫算法的可能性 | 第33-34页 |
| 3.2.4 算法思想 | 第34-35页 |
| 3.2.5 算法详解(Apriori_IA) | 第35-37页 |
| 3.2.6 算法步骤 | 第37-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第四章 面向SNS标签的关联规则算法实现及结果分析 | 第40-59页 |
| 4.1 应用背景介绍 | 第40页 |
| 4.2 挖掘系统模型与设计 | 第40-44页 |
| 4.2.1 开发环境 | 第41页 |
| 4.2.2 挖掘流程 | 第41页 |
| 4.2.3 数据处理 | 第41-44页 |
| 4.3 挖掘算法的实现 | 第44-55页 |
| 4.3.1 Apriori算法的实现 | 第44-48页 |
| 4.3.2 Apriori_M算法的实现 | 第48-49页 |
| 4.3.3 Apriori_IA算法的实现 | 第49-54页 |
| 4.3.4 结果分析 | 第54-55页 |
| 4.4 算法对比分析 | 第55-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第五章 结束语 | 第59-61页 |
| 5.1 工作总结 | 第59页 |
| 5.2 工作展望 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63-64页 |
| 作者在研究生期间的研究成果 | 第64页 |