| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 1 绪论 | 第12-19页 |
| 1.1 课题背景与研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 关联规则挖掘研究现状 | 第12-14页 |
| 1.2.2 多尺度理论研究现状 | 第14-15页 |
| 1.2.3 多尺度数据挖掘研究现状 | 第15-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 1.4 论文组织架构 | 第17-19页 |
| 2 关联规则挖掘与多尺度理论 | 第19-25页 |
| 2.1 关联规则挖掘 | 第19-22页 |
| 2.1.1 基本概念和问题描述 | 第19-20页 |
| 2.1.2 关联规则挖掘的经典算法 | 第20-21页 |
| 2.1.3 关联规则挖掘的发展前景 | 第21-22页 |
| 2.2 多尺度理论 | 第22-24页 |
| 2.2.1 尺度的基本概念及表达方式 | 第22页 |
| 2.2.2 尺度效应 | 第22-23页 |
| 2.2.3 尺度转换 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 3 多尺度数据挖掘理论 | 第25-37页 |
| 3.1 数据的多尺度 | 第25-30页 |
| 3.1.1 概念分层 | 第25-26页 |
| 3.1.2 数据尺度的基本概念 | 第26-28页 |
| 3.1.3 多尺度数据集之间的关系 | 第28-30页 |
| 3.2 多尺度数据挖掘 | 第30-33页 |
| 3.2.1 多尺度数据挖掘的定义 | 第30-31页 |
| 3.2.2 多尺度数据挖掘的实质 | 第31-32页 |
| 3.2.3 多尺度数据挖掘算法分类 | 第32-33页 |
| 3.3 多尺度数据挖掘过程框架 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 多尺度关联规则挖掘算法 | 第37-67页 |
| 4.1 尺度上推关联规则挖掘算法SU-ARMA | 第37-48页 |
| 4.1.1 算法基本思想 | 第37页 |
| 4.1.2 算法步骤 | 第37-41页 |
| 4.1.3 算法伪代码 | 第41-43页 |
| 4.1.4 算法实例 | 第43-48页 |
| 4.2 尺度下推关联规则挖掘算法SD-ARMA | 第48-61页 |
| 4.2.1 算法基本思想 | 第48-50页 |
| 4.2.2 算法步骤 | 第50-53页 |
| 4.2.3 算法伪代码 | 第53-54页 |
| 4.2.4 算法实例 | 第54-61页 |
| 4.3 算法评估 | 第61-65页 |
| 4.3.1 相关概念 | 第61-62页 |
| 4.3.2 统计学原理 | 第62-63页 |
| 4.3.3 算法错误率的置信区间 | 第63-65页 |
| 4.4 算法分析 | 第65-66页 |
| 4.5 算法的适用领域 | 第66页 |
| 4.6 本章小结 | 第66-67页 |
| 5 实验与分析 | 第67-76页 |
| 5.1 实验准备 | 第67-68页 |
| 5.1.1 实验背景与数据准备 | 第67页 |
| 5.1.2 实验环境 | 第67页 |
| 5.1.3 实验结果评价标准 | 第67-68页 |
| 5.2 尺度上推关联规则挖掘算法的实验结果与分析 | 第68-71页 |
| 5.2.1 实验数据与参数设置 | 第68-69页 |
| 5.2.2 人口数据集的实验结果与分析 | 第69-70页 |
| 5.2.3 IBM T10I4D100K数据集的实验结果与分析 | 第70-71页 |
| 5.3 尺度下推关联规则挖掘算法的实验结果与分析 | 第71-75页 |
| 5.3.1 实验数据与参数设置 | 第71-72页 |
| 5.3.2 人口数据集的实验结果与分析 | 第72-74页 |
| 5.3.3 IBM T10I4D100K数据集的实验结果与分析 | 第74-75页 |
| 5.4 本章小结 | 第75-76页 |
| 6 总结与展望 | 第76-79页 |
| 6.1 总结 | 第76-77页 |
| 6.2 展望 | 第77-79页 |
| 参考文献 | 第79-84页 |
| 致谢 | 第84-85页 |
| 攻读学位期间取得的科研成果清单 | 第85页 |