| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 概述 | 第8-14页 |
| 1.1 数据挖掘 | 第8-11页 |
| 1.1.1 数据挖掘概念 | 第8页 |
| 1.1.2 数据挖掘的过程 | 第8-10页 |
| 1.1.3 数据挖掘的应用 | 第10-11页 |
| 1.2 数据挖掘与关联规则 | 第11-12页 |
| 1.3 数据挖掘与遗传算法 | 第12-13页 |
| 1.4 本文研究目标及内容 | 第13页 |
| 1.5 论文结构 | 第13-14页 |
| 第二章 关联规则和遗传算法相关介绍 | 第14-29页 |
| 2.1 关联规则的基本概念 | 第14页 |
| 2.2 关联规则的挖掘定理和性质 | 第14-16页 |
| 2.3 apriori算法 | 第16-22页 |
| 2.4 遗传算法引言 | 第22页 |
| 2.5 遗传算法的基本术语 | 第22-23页 |
| 2.6 遗传算法的运行过程及相应说明 | 第23-29页 |
| 2.6.1 编码 | 第24-25页 |
| 2.6.2 适应度评价 | 第25页 |
| 2.6.3 选择操作[19] | 第25-27页 |
| 2.6.4 交叉操作 | 第27-29页 |
| 2.6.5 变异操作 | 第29页 |
| 2.7 本章总结 | 第29页 |
| 第三章 一种改进的兴趣度模型 | 第29-45页 |
| 3.1 提升度的引入 | 第29-32页 |
| 3.2 兴趣度引言 | 第32页 |
| 3.3 现有的兴趣度模型 | 第32-34页 |
| 3.3.1 概率兴趣度模型 | 第33页 |
| 3.3.2 差值的兴趣度模型 | 第33-34页 |
| 3.3.3 信息量兴趣度 | 第34页 |
| 3.4 新的兴趣度模型 | 第34-36页 |
| 3.5 本兴趣度模型和其他其他兴趣度模型的比较分析 | 第36-39页 |
| 3.6 本章实验算法描述 | 第39-41页 |
| 3.7 实验结果分析与比较 | 第41-45页 |
| 3.8 本章小结 | 第45页 |
| 第四章 一种基于遗传算法和改进兴趣度的关联规则挖掘算法 | 第45-67页 |
| 4.1 遗传算法应用于关联规则挖掘的现状和不足 | 第46页 |
| 4.2 遗传算法和兴趣度结合挖掘关联规则的思想 | 第46-47页 |
| 4.3 本文算法的实现过程 | 第47-50页 |
| 4.3.1 编码 | 第47-48页 |
| 4.3.2 适应度函数 | 第48页 |
| 4.3.3 遗传算法操作过程 | 第48-49页 |
| 4.3.4 本文算法设计 | 第49-50页 |
| 4.4 两个比较算法的简单描述 | 第50-53页 |
| 4.4.1 基于遗传算法和提升度的关联规则挖掘算法 | 第50-52页 |
| 4.4.2 基于遗传算法和差异兴趣度的关联规则挖掘算法 | 第52-53页 |
| 4.5 实验设计与分析 | 第53-57页 |
| 4.5.1 遗传算法的编码 | 第53-56页 |
| 4.5.2 参数设置 | 第56-57页 |
| 4.6 实验结果分析 | 第57-64页 |
| 4.6.1 基于遗传算法和提升度的关联规则挖掘算法的实验结果 | 第57-60页 |
| 4.6.2 基于遗传算法和差值兴趣度的关联规则挖掘算法的实验结果 | 第60-62页 |
| 4.6.3 基于遗传算法和改进兴趣度的关联规则挖掘算法的实验结果 | 第62-64页 |
| 4.7 实验结果分析和比较 | 第64-66页 |
| 4.8 本章总结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-71页 |
| 附录A 本文作者在攻读硕士学位期间所发表的论文 | 第71-72页 |
| 致谢 | 第72-73页 |
