量化空间关联规则挖掘应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究现状及分析 | 第8-12页 |
| 1.2.1 研究现状 | 第8-11页 |
| 1.2.2 现状分析 | 第11-12页 |
| 1.3 主要研究内容及组织结构 | 第12-14页 |
| 1.3.1 主要研究内容 | 第12-13页 |
| 1.3.2 论文结构 | 第13-14页 |
| 第二章 相关理论及技术基础 | 第14-23页 |
| 2.1 关联规则相关知识 | 第14-18页 |
| 2.1.1 空间关联规则挖掘相关知识 | 第14-15页 |
| 2.1.2 关联规则算法 | 第15-18页 |
| 2.2 数据预处理方法 | 第18-20页 |
| 2.2.1 数据离散化与空间聚类 | 第18-19页 |
| 2.2.2 数据变换与规范化 | 第19-20页 |
| 2.3 量化关联规则问题研究 | 第20-22页 |
| 2.3.1 多层关联规则挖掘 | 第20页 |
| 2.3.2 模拟退火算法 | 第20-22页 |
| 2.3.3 量化空间关联规则挖掘流程 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 空间数据预处理 | 第23-38页 |
| 3.1 基于聚类的空间数据离散化 | 第23-26页 |
| 3.2 聚类算法优化 | 第26-29页 |
| 3.2.1 噪声数据清理 | 第26-27页 |
| 3.2.2 离优化 | 第27-29页 |
| 3.3 聚类结果分析和选取 | 第29-33页 |
| 3.4 基于行政区划的空间数据离散化 | 第33-35页 |
| 3.5 构建事务数据库 | 第35-36页 |
| 3.6 本章小结 | 第36-38页 |
| 第四章 量化空间关联规则挖掘 | 第38-52页 |
| 4.1 包含事务信息的FP-tree | 第38-42页 |
| 4.1.1 FP-tree的定义 | 第38-39页 |
| 4.1.2 构建包含事务信息的FPT-tree | 第39-42页 |
| 4.2 FPT-growth算法 | 第42-43页 |
| 4.2.1 FPT-growth算法基本思想 | 第42页 |
| 4.2.2 FPT-growth算法步骤 | 第42-43页 |
| 4.3 基于模拟退火的量化关联规则挖掘 | 第43-51页 |
| 4.3.1 数据变换 | 第44-46页 |
| 4.3.2 量化规则提取 | 第46-48页 |
| 4.3.3 量化关联规则兴趣度度量 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 实验及分析 | 第52-63页 |
| 5.1 使用聚类数据进行定量关联规则挖掘 | 第52-57页 |
| 5.2 使用行政区划数据进行定量关联规则挖掘 | 第57-59页 |
| 5.3 实验结果分析及应用案例 | 第59-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 工作总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 作者简历 | 第69页 |
