| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1.绪论 | 第9-14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 主要研究内容 | 第11-12页 |
| 1.4 论文的章节安排 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 2.相关理论基础 | 第14-28页 |
| 2.1 关联规则 | 第14-16页 |
| 2.1.1 关联规则简介 | 第14页 |
| 2.1.2 关联规则基本定义 | 第14-15页 |
| 2.1.3 频繁项集相关定义 | 第15-16页 |
| 2.2 Apriori算法 | 第16-20页 |
| 2.2.1 Apriori算法简介 | 第16-17页 |
| 2.2.2 Apriori算法挖掘频繁项集实例说明 | 第17-20页 |
| 2.2.3 算法分析 | 第20页 |
| 2.3 FP-growth算法 | 第20-27页 |
| 2.3.1 FP-growth算法简介 | 第20-22页 |
| 2.3.2 FP-growth算法的实例演示 | 第22-27页 |
| 2.3.3 算法分析 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 3.改进的频繁项集挖掘算法 | 第28-44页 |
| 3.1 相关定义 | 第28-31页 |
| 3.2 加权频繁项集挖掘 | 第31-34页 |
| 3.3 基于权值计数变化的加权频繁项集挖掘 | 第34-37页 |
| 3.3.1 Min_wc变大后挖掘步骤 | 第35页 |
| 3.3.2 Min_wc变小后挖掘步骤 | 第35-37页 |
| 3.4 基于数据动态更新的加权频繁项集挖掘 | 第37-41页 |
| 3.4.1 TD中添加数据 | 第37-39页 |
| 3.4.2 TD中删除数据 | 第39-41页 |
| 3.5 实验与结果分析 | 第41-43页 |
| 3.5.1 实验与结果 | 第41-43页 |
| 3.5.2 结果分析 | 第43页 |
| 3.6 本章小结 | 第43-44页 |
| 4.WDUA算法在银行客户信息分析系统中的应用 | 第44-51页 |
| 4.1 频繁项集挖掘的实现过程 | 第44-45页 |
| 4.2 数据准备 | 第45-48页 |
| 4.2.1 数据收集与筛选 | 第45-46页 |
| 4.2.2 数据预处理 | 第46-48页 |
| 4.3 银行客户信息挖掘结果 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 5.总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52页 |
| 5.3 本章小结 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第57-58页 |
| 致谢 | 第58-59页 |