| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-20页 |
| ·数据挖掘 | 第11-14页 |
| ·数据挖掘的定义和过程 | 第11-12页 |
| ·挖掘的数据形式 | 第12-13页 |
| ·数据挖掘的功能 | 第13-14页 |
| ·关联分析 | 第14-17页 |
| ·关联规则的定义 | 第14-15页 |
| ·关联规则挖掘的问题 | 第15-17页 |
| ·我们的工作 | 第17-18页 |
| ·本文的组织 | 第18-20页 |
| 第二章 兴趣度量的优化 | 第20-57页 |
| ·关联规则的兴趣度量 | 第20-28页 |
| ·兴趣度量的目的 | 第20-22页 |
| ·兴趣度量的分类 | 第22-28页 |
| ·发现度量约束下的规则 | 第28-30页 |
| ·演化算法简介 | 第30-34页 |
| ·选择方法 | 第30-31页 |
| ·个体表示 | 第31-32页 |
| ·交叉算子 | 第32-34页 |
| ·变异算子 | 第34页 |
| ·遗传算法在规则发现中的应用 | 第34-42页 |
| ·个体表示 | 第35-37页 |
| ·算子 | 第37-39页 |
| ·种群初始化 | 第39页 |
| ·适应度 | 第39-40页 |
| ·分类规则发现和关联规则发现的不同 | 第40-42页 |
| ·优化相关规则的发现 | 第42-50页 |
| ·残差分析 | 第44-46页 |
| ·互信息量 | 第46-47页 |
| ·用遗传算法发现优化相关规则：GADCR | 第47-50页 |
| ·实验 | 第50-56页 |
| ·人工数据集上的实验结果 | 第51-54页 |
| ·真实数据集上的实验结果 | 第54-56页 |
| ·小结 | 第56-57页 |
| 第三章 数据集的优化 | 第57-89页 |
| ·离散化简介 | 第57-67页 |
| ·有监督和无监督离散化 | 第61-64页 |
| ·一元与多元离散化 | 第64-65页 |
| ·MVD | 第65-67页 |
| ·一种基于聚类的无监督多元离散化方法：EMVD-BDC | 第67-74页 |
| ·动机 | 第67-69页 |
| ·EMVD-BDC算法 | 第69-74页 |
| ·MVD的一种优化算法：OMVD | 第74-76页 |
| ·最大支持度差异（MSD） | 第74-75页 |
| ·用遗传算法优化MSD列表 | 第75-76页 |
| ·实验 | 第76-85页 |
| ·人工数据集上的实验 | 第76-79页 |
| ·真实数据集上的实验 | 第79-85页 |
| ·小结 | 第85-89页 |
| 第四章 规则形式的简化 | 第89-115页 |
| ·最优关联规则的简介 | 第89-91页 |
| ·问题的提出和定义 | 第89页 |
| ·发现最优置信度规则的经典算法：FOCR | 第89-90页 |
| ·其他算法 | 第90-91页 |
| ·我们的工作 | 第91-92页 |
| ·发现最优interest规则 | 第92-98页 |
| ·问题的定义 | 第92-93页 |
| ·发现最优interest规则的算法：FOIR | 第93-98页 |
| ·发现最优相对密度规则 | 第98-103页 |
| ·密度度量 | 第98-100页 |
| ·相对密度度量 | 第100-101页 |
| ·最优相对密度规则的发现算法：FORDAR | 第101-103页 |
| ·实验 | 第103-114页 |
| ·人工数据集上的实验 | 第103-107页 |
| ·真实数据集上的实验 | 第107-114页 |
| ·小结 | 第114-115页 |
| 第五章 总结与展望 | 第115-117页 |
| ·本文的总结 | 第115-116页 |
| ·将来的工作 | 第116-117页 |
| 参考文献 | 第117-126页 |
| 攻读博士期间发表和已录用的学术论文 | 第126-127页 |
| 致谢 | 第127页 |