| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究目标和内容 | 第11-12页 |
| 1.4 论文结构 | 第12-13页 |
| 第二章 数据挖掘技术 | 第13-22页 |
| 2.1 数据挖掘技术的产生背景及现状 | 第13-14页 |
| 2.2 数据挖掘的概念 | 第14页 |
| 2.3 数据挖掘的过程 | 第14-16页 |
| 2.4 数据挖掘的功能 | 第16-18页 |
| 2.5 数据挖掘的技术支持 | 第18-20页 |
| 2.6 数据挖掘的应用 | 第20-21页 |
| 2.7 本章小结 | 第21-22页 |
| 第三章 关联规则 | 第22-35页 |
| 3.1 关联规则 | 第22-24页 |
| 3.1.1 关联规则的基本概念 | 第22-23页 |
| 3.1.2 关联规则挖掘的算法分类 | 第23-24页 |
| 3.1.3 关联规则挖掘的步骤 | 第24页 |
| 3.2 Apriori算法 | 第24-30页 |
| 3.2.1 Apriori算法思想 | 第24-25页 |
| 3.2.2 Apriori算法描述 | 第25-27页 |
| 3.2.3 Apriori算法的实例 | 第27-29页 |
| 3.2.4 Apriori算法的瓶颈问题 | 第29-30页 |
| 3.3 Apriori算法的改进算法 | 第30-34页 |
| 3.3.1 AprioriTid算法 | 第30页 |
| 3.3.2 DHP算法 | 第30页 |
| 3.3.3 FP-Growth算法 | 第30-31页 |
| 3.3.4 基于矩阵的Apriori改进算法 | 第31-34页 |
| 3.3.4.1 相关定义和性质 | 第31-32页 |
| 3.3.4.2 CM_Apriori_1 算法 | 第32-33页 |
| 3.3.4.3 MC_Apriori算法 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于压缩矩阵的ICM_Apriori算法 | 第35-44页 |
| 4.1 相关定义 | 第35-36页 |
| 4.2 ICM_Apriori算法描述 | 第36-38页 |
| 4.3 ICM_Apriori算法的实例 | 第38-39页 |
| 4.4 算法分析 | 第39-43页 |
| 4.4.1 生成频繁项集 | 第39-40页 |
| 4.4.2 算法性能分析 | 第40-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 ICM_Apriori算法在犯罪嫌疑特征中的应用 | 第44-51页 |
| 5.1 问题的提出 | 第44-45页 |
| 5.2 数据准备 | 第45-48页 |
| 5.2.1 数据选择 | 第45页 |
| 5.2.2 数据预处理 | 第45-47页 |
| 5.2.3 数据转换 | 第47-48页 |
| 5.3 数据挖掘 | 第48-49页 |
| 5.4 知识评估与解释 | 第49-50页 |
| 5.5 本章小结 | 第50-51页 |
| 第六章 总结 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间的科研成果 | 第57页 |