| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 引言 | 第8-9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.3 本文主要研究的内容与组织结构 | 第12-13页 |
| 第二章 数据挖掘技术及应用 | 第13-22页 |
| 2.1 数据及数据仓库 | 第13-15页 |
| 2.1.1 数据 | 第13-14页 |
| 2.1.2 数据仓库 | 第14-15页 |
| 2.2 数据挖掘技术 | 第15-19页 |
| 2.2.1 决策树 | 第16-17页 |
| 2.2.2 聚类分析 | 第17-18页 |
| 2.2.3 其他技术 | 第18-19页 |
| 2.3 数据挖掘技术的应用 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 关联规则算法研究 | 第22-37页 |
| 3.1 关联规则相关概念 | 第22-25页 |
| 3.1.1 基本概念 | 第22-23页 |
| 3.1.2 关联规则的技术分类 | 第23-25页 |
| 3.1.3 关联规则技术的应用 | 第25页 |
| 3.2 Apriori算法挖掘频繁项集 | 第25-30页 |
| 3.2.1 Apriori算法介绍 | 第25-27页 |
| 3.2.2 Apriori算法举例 | 第27-28页 |
| 3.2.3 关联规则的生成 | 第28-30页 |
| 3.3 关联规则的评估 | 第30-33页 |
| 3.3.1 关联规则的质量标准 | 第30-31页 |
| 3.3.2 支持度与置信度 | 第31页 |
| 3.3.3 相关性 | 第31-32页 |
| 3.3.4 辛普森悖论 | 第32页 |
| 3.3.5 本文采用的评估标准 | 第32-33页 |
| 3.4 Apriori算法的应用 | 第33-34页 |
| 3.5 关联规则技术的发展 | 第34-36页 |
| 3.5.1 关联规则的应用问题 | 第34-36页 |
| 3.5.2 关联规则最新进展 | 第36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 关联规则算法的优化 | 第37-56页 |
| 4.1 关联规则挖掘质量的改善 | 第37-38页 |
| 4.1.1 用户主观层面 | 第37-38页 |
| 4.1.2 系统客观层面 | 第38页 |
| 4.2 Apriori算法的分析 | 第38-43页 |
| 4.2.1 Apriori算法瓶颈 | 第38-39页 |
| 4.2.2 基于数据分割法 | 第39页 |
| 4.2.3 基于散列(Hash)法 | 第39-41页 |
| 4.2.4 基于采样(Sampling)法 | 第41页 |
| 4.2.5 AprioriTid算法与Apriori-Hybrid算法 | 第41-43页 |
| 4.3 基于比较事务ID集的改进 | 第43-46页 |
| 4.3.1 Apriori算法的改进 | 第43-44页 |
| 4.3.2 改进的Apriori算法举例 | 第44-46页 |
| 4.4 频繁模式增长算法 | 第46-50页 |
| 4.4.1 频繁模式树 | 第46-48页 |
| 4.4.2 FP-Growth算法发现频繁项集 | 第48-49页 |
| 4.4.3 频繁模式增长算法分析 | 第49-50页 |
| 4.5 频繁模式增长算法的改进 | 第50-55页 |
| 4.5.1 FP-Growth算法瓶颈 | 第50-51页 |
| 4.5.2 基于链地址映射项的改进 | 第51-53页 |
| 4.5.3 分割事务数据库 | 第53-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 实验与应用 | 第56-65页 |
| 5.1 基于比较事务ID集算法的实验分析 | 第56-57页 |
| 5.2 基于分割数据库的FP-Growth算法的实验分析 | 第57-58页 |
| 5.3 购物篮数据的关联规则应用 | 第58-64页 |
| 5.3.1 应用分析 | 第58-59页 |
| 5.3.2 数据准备及预处理 | 第59-60页 |
| 5.3.3 关联规则挖掘 | 第60-63页 |
| 5.3.4 关联规则分析 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 本文研究的总结 | 第65页 |
| 6.2 展望未来 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70页 |