| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-32页 |
| ·论文的研究背景和意义 | 第13-15页 |
| ·数据挖掘概述 | 第15-23页 |
| ·数据挖掘的概念 | 第15-16页 |
| ·数据挖掘的任务 | 第16-18页 |
| ·数据挖掘的应用领域 | 第18-19页 |
| ·数据挖掘的挑战 | 第19-20页 |
| ·关联规则挖掘 | 第20-23页 |
| ·论文主要研究内容 | 第23-25页 |
| ·论文结构安排 | 第25-27页 |
| 本章参考文献 | 第27-32页 |
| 第二章 关联规则挖掘定义及主要算法 | 第32-49页 |
| ·问题定义 | 第32-35页 |
| ·数据分布 | 第35-37页 |
| ·水平数据分布 | 第35页 |
| ·垂直数据分布 | 第35-37页 |
| ·关联规则挖掘算法 | 第37-44页 |
| ·关联规则挖掘算法分类 | 第37-39页 |
| ·Apriori算法基本原理 | 第39-40页 |
| ·FP-growth算法基本原理 | 第40-43页 |
| ·序列模式挖掘算法 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 本章参考文献 | 第45-49页 |
| 第三章 可信关联规则及其兴趣度度量 | 第49-67页 |
| ·传统关联规则的局限性 | 第49-53页 |
| ·网络告警数据特点分析 | 第49-51页 |
| ·网络告警标准数据集 | 第51-52页 |
| ·挖掘倾斜分布数据集的局限性分析 | 第52-53页 |
| ·可信关联规则概念 | 第53-55页 |
| ·可信度度量性质 | 第55-57页 |
| ·可信关联规则的其他兴趣度度量 | 第57-63页 |
| ·提升度度量 | 第57-58页 |
| ·相关度度量 | 第58-59页 |
| ·向量夹角余弦度量 | 第59-60页 |
| ·h-置信度度量与超团模式 | 第60-62页 |
| ·各种度量的比较 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 本章参考文献 | 第64-67页 |
| 第四章 基于极大团挖掘可信关联规则 | 第67-92页 |
| ·用邻接矩阵求2-项可信集 | 第67-70页 |
| ·由k-项可信集生成(k+1)-项可信集 | 第70-75页 |
| ·基于极大团的可信关联规则挖掘算法 | 第75-80页 |
| ·算法描述 | 第75-77页 |
| ·求解极大团的改进算法 | 第77-79页 |
| ·算法性能分析 | 第79-80页 |
| ·实验结果分析 | 第80-82页 |
| ·数据集及实验环境描述 | 第80-81页 |
| ·MaxCliqueMining算法挖掘结果分析 | 第81-82页 |
| ·MaxCliqueMining算法与其他算法的比较 | 第82页 |
| ·基于其他度量挖掘可信关联规则 | 第82-89页 |
| ·基于提升度度量产生2-项可信集邻接矩阵 | 第83-85页 |
| ·基于余弦度量产生2-项可信集邻接矩阵 | 第85-86页 |
| ·基于相关度度量产生2-项可信集邻接矩阵 | 第86-88页 |
| ·实验结果分析 | 第88-89页 |
| ·本章小结 | 第89-91页 |
| 本章参考文献 | 第91-92页 |
| 第五章 基于FP-tree挖掘超团模式和极大超团模式 | 第92-109页 |
| ·基于FP-tree挖掘超团模式 | 第92-99页 |
| ·基于FP-tree统一挖掘超团模式和极大超团模式 | 第99-101页 |
| ·HHCP-growth算法分析 | 第101-102页 |
| ·实验结果分析 | 第102-106页 |
| ·数据集及实验环境描述 | 第102页 |
| ·HHCP-growth算法挖掘结果分析 | 第102-104页 |
| ·HHCP-growth与Hyperclique Miner性能比较 | 第104-105页 |
| ·HHCP-growth与Hybrid性能比较 | 第105-106页 |
| ·本章小结 | 第106-107页 |
| 本章参考文献 | 第107-109页 |
| 第六章 结束语 | 第109-112页 |
| ·本文的总结 | 第109-110页 |
| ·下一步工作 | 第110-112页 |
| 致谢 | 第112-113页 |
| 博士期间发表的论文 | 第113页 |
