| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1.绪论 | 第7-9页 |
| ·论文研究背景 | 第7-8页 |
| ·论文结构及主要工作 | 第8-9页 |
| 2.数据挖掘综述 | 第9-21页 |
| ·数据挖掘的概念 | 第9-10页 |
| ·数据挖掘的知识发现 | 第10-12页 |
| ·广义知识(Generalization) | 第10-11页 |
| ·关联知识(Association) | 第11页 |
| ·分类知识(Classification & Clustering) | 第11页 |
| ·预测型知识(Prediction) | 第11-12页 |
| ·偏差型知识(Deviation) | 第12页 |
| ·数据挖掘算法分类 | 第12-15页 |
| ·概念描述 | 第12-13页 |
| ·聚类发现 | 第13页 |
| ·关联规则发现 | 第13-14页 |
| ·分类发现 | 第14-15页 |
| ·回归发现 | 第15页 |
| ·序列模式发现 | 第15页 |
| ·关联规则挖掘方法 | 第15-21页 |
| ·关联规则概述 | 第15-16页 |
| ·关联规则的属性 | 第16-17页 |
| ·关联规则的种类 | 第17-18页 |
| ·关联规则的算法 | 第18-21页 |
| 3.多维数量关联规则挖掘算法分析 | 第21-27页 |
| ·多维数量关联规则概述 | 第21-22页 |
| ·数量关联的连续属性离散化方法 | 第22-27页 |
| ·等深划分(equal depth partitioning) | 第23页 |
| ·部分k度完全方法((partial k-completeness) | 第23页 |
| ·MAQA法(mining associations among quantitative attributes) | 第23-27页 |
| 4.聚类分析方法综述 | 第27-34页 |
| ·聚类挖掘的定义 | 第27-28页 |
| ·几种常见的聚类分析方法 | 第28-31页 |
| ·聚类分析在数据挖掘中的应用 | 第31页 |
| ·聚类关联规则 | 第31-34页 |
| 5.数据挖掘在食品安全监测预警系统中的应用 | 第34-48页 |
| ·数据挖掘在食品安全监测预警系统中的应用 | 第34页 |
| ·食品安全监测预警系统的数据挖掘流程 | 第34-35页 |
| ·算法的实现 | 第35-48页 |
| ·开发环境 | 第36-37页 |
| ·数据预处理 | 第37-39页 |
| ·关联规则开采 | 第39-43页 |
| ·关联规则聚类 | 第43-45页 |
| ·结果评价 | 第45-46页 |
| ·性能分析 | 第46-48页 |
| 6.总结与展望 | 第48-50页 |
| ·总结体会 | 第48-49页 |
| ·工作展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 攻读学位期间主要科研成果 | 第55页 |
