| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究动态 | 第12-13页 |
| 1.3 该领域目前存在的问题 | 第13-14页 |
| 1.4 主要研究内容 | 第14-15页 |
| 1.5 本文组织结构 | 第15页 |
| 1.6 本章小结 | 第15-16页 |
| 2 关联规则概述 | 第16-27页 |
| 2.1 基本概念及其原理 | 第16-17页 |
| 2.2 关联规则的分类 | 第17页 |
| 2.3 Apriori算法及其评价 | 第17-23页 |
| 2.3.1 Apriori算法概述 | 第17-18页 |
| 2.3.2 Apriori算法的基本思想 | 第18-22页 |
| 2.3.3 Apriori算法的评价 | 第22-23页 |
| 2.4 Apriori算法的改进算法 | 第23-24页 |
| 2.5 FP-Tree算法 | 第24页 |
| 2.6 动态关联规则基本概念 | 第24-26页 |
| 2.6.1 动态关联规则的定义 | 第25页 |
| 2.6.2 动态关联规则算法思想 | 第25-26页 |
| 2.7 本章小结 | 第26-27页 |
| 3 粒子群优化算法概述 | 第27-32页 |
| 3.1 基本粒子群优化算法 | 第27-28页 |
| 3.1.1 粒子群优化算法原理 | 第27页 |
| 3.1.2 粒子群优化算法步骤 | 第27-28页 |
| 3.2 二阶粒子群优化算法 | 第28-29页 |
| 3.3 遗传算法 | 第29-31页 |
| 3.3.1 遗传算法的基本原理 | 第29-30页 |
| 3.3.2 粒子群算法与遗传算法的比较 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4 粒子群优化算法在关联规则上的应用 | 第32-45页 |
| 4.1 数据预处理 | 第32页 |
| 4.2 适应度函数 | 第32-33页 |
| 4.3 粒子编码及初始化种群 | 第33页 |
| 4.4 基于二阶粒子群的关联规则挖掘算法 | 第33-36页 |
| 4.4.1 算法流程分析 | 第34-36页 |
| 4.4.2 算法的主要步骤 | 第36页 |
| 4.5 时间复杂度分析 | 第36-37页 |
| 4.6 实验结果与分析 | 第37-44页 |
| 4.6.1 数据集的描述及对比算法的描述 | 第37-38页 |
| 4.6.2 实验结果 | 第38-42页 |
| 4.6.3 实验结果分析 | 第42页 |
| 4.6.4 效率对比图 | 第42-44页 |
| 4.7 实验结论 | 第44页 |
| 4.8 本章小结 | 第44-45页 |
| 5 改进的粒子群优化的灰色模型在动态关联规则的应用 | 第45-55页 |
| 5.1 灰色模型 | 第45-48页 |
| 5.1.1 灰色模型原理 | 第45-46页 |
| 5.1.2 背景值分析 | 第46-47页 |
| 5.1.3 平均弱化缓冲算子理论 | 第47页 |
| 5.1.4 后验差检验理论 | 第47-48页 |
| 5.2 改进的PSOGM算法在动态关联规则挖掘中的应用 | 第48-51页 |
| 5.2.1 改进的粒子群优化算法 | 第48页 |
| 5.2.2 改进的粒子群优化的灰色模型 | 第48-49页 |
| 5.2.3 算法描述及其过程 | 第49-51页 |
| 5.3 实验结果与分析 | 第51-54页 |
| 5.3.1 实验仿真分析 | 第51-53页 |
| 5.3.2 对比实验 | 第53-54页 |
| 5.4 实验结论 | 第54页 |
| 5.5 本章小结 | 第54-55页 |
| 6 关联规则挖掘的应用研究 | 第55-61页 |
| 6.1 数据背景及来源 | 第55-56页 |
| 6.2 关联规则挖掘在人口流动现象中的分析及应用 | 第56-59页 |
| 6.2.1 跨省流动人员特征分析 | 第56-57页 |
| 6.2.2 流动原因的特征分析 | 第57-59页 |
| 6.3 相关建议 | 第59-60页 |
| 6.4 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录A 核心仿真代码 | 第67-73页 |
| 攻读学位期间的研究成果 | 第73页 |