| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-19页 |
| ·研究背景和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·最大频繁项集研究现状 | 第12-14页 |
| ·iceberg概念格研究现状 | 第14-16页 |
| ·主要研究内容 | 第16-17页 |
| ·论文的组织结构 | 第17-19页 |
| 第二章 相关技术 | 第19-29页 |
| ·关联规则挖掘 | 第19-22页 |
| ·关联规则概念及定义 | 第19-20页 |
| ·基于支持度的剪枝策略 | 第20-21页 |
| ·经典的频繁项集 | 第21-22页 |
| ·iceberg概念格相关理论 | 第22-27页 |
| ·形式概念分析理论 | 第22-25页 |
| ·iceberg概念格定义 | 第25-27页 |
| ·概念格与关联规则挖掘 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于iceberg概念格的最大频繁项集挖掘 | 第29-38页 |
| ·问题描述 | 第29-30页 |
| ·基于iceberg概念格的最大频繁项集挖掘算法 | 第30-34页 |
| ·最大频繁概念挖掘 | 第30-32页 |
| ·ICMFIA算法描述 | 第32-33页 |
| ·算法的复杂度分析 | 第33-34页 |
| ·ICMFIA算法实验与结果分析 | 第34-37页 |
| ·算法实验设计 | 第34-35页 |
| ·结果分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于iceberg概念格的最大频繁项集增量挖掘 | 第38-49页 |
| ·增量挖掘技术 | 第38-40页 |
| ·最大频繁项集增量挖掘算法MFI-AI | 第40-46页 |
| ·iceberg概念格渐进式构造 | 第40-42页 |
| ·最大频繁项集的集合更新 | 第42-43页 |
| ·MFI-AI算法描述 | 第43-44页 |
| ·MFI-AI算法应用举例 | 第44-46页 |
| ·实验结果与分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 iceberg概念格与正相关无冗余关联规则挖掘 | 第49-61页 |
| ·支持度-置信度框架的局限性 | 第49-50页 |
| ·基于提升度的关联规则分析 | 第50-51页 |
| ·iceberg概念格与无冗余关联规则挖掘 | 第51-58页 |
| ·无冗余关联规则概念和性质 | 第51-52页 |
| ·Minimal generators生成 | 第52-54页 |
| ·无冗余的关联规则挖掘 | 第54-58页 |
| ·无冗余关联规则中的正相关规则提取 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| ·工作总结 | 第61-62页 |
| ·进一步工作 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位期间发表的学术论文 | 第70页 |
