基于关联规则的频繁模式挖掘算法研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要研究内容及结构 | 第13-15页 |
| 2 关联规则挖掘概述 | 第15-25页 |
| 2.1 数据挖掘概述 | 第15-20页 |
| 2.1.1 数据挖掘的定义 | 第15-17页 |
| 2.1.2 数据挖掘的分类 | 第17-18页 |
| 2.1.3 数据挖掘常用技术 | 第18-19页 |
| 2.1.4 数据挖掘过程 | 第19-20页 |
| 2.2 关联规则数据挖掘 | 第20-24页 |
| 2.2.1 关联规则的提出 | 第20-21页 |
| 2.2.2 关联规则的分类 | 第21页 |
| 2.2.3 关联规则的挖掘方法 | 第21-22页 |
| 2.2.4 关联规则的相关定义 | 第22-24页 |
| 2.2.5 关联规则的挖掘步骤 | 第24页 |
| 2.3 本章小结 | 第24-25页 |
| 3 基于矩阵加权的VMOApriori算法 | 第25-38页 |
| 3.1 Apriori算法 | 第25-28页 |
| 3.1.1 Apriori算法分析 | 第25-27页 |
| 3.1.2 Apriori算法实例分析 | 第27-28页 |
| 3.1.3 Apriori算法的性能分析 | 第28页 |
| 3.2 事务矩阵及运算 | 第28-30页 |
| 3.2.1 事务矩阵生成 | 第28-29页 |
| 3.2.2 矩阵运算 | 第29-30页 |
| 3.2.3 事务项向量运算 | 第30页 |
| 3.3 算法性质与矩阵压缩 | 第30-31页 |
| 3.4 改进的关联规则算法 | 第31-35页 |
| 3.4.1 算法思想 | 第31-33页 |
| 3.4.3 算法实例描述 | 第33-35页 |
| 3.5 实验分析 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 4 基于分布式滑动窗口的频繁模式挖掘算法 | 第38-55页 |
| 4.1 FP-Growth算法 | 第38-41页 |
| 4.1.1 FP-Growth算法分析 | 第38-39页 |
| 4.1.2 FP-Growth算法实例分析 | 第39-41页 |
| 4.1.3 FP-Growth算法的性能分析 | 第41页 |
| 4.2 Map/Reduce编程框架 | 第41-42页 |
| 4.3 滑动窗口理论 | 第42-44页 |
| 4.4 TPT算法 | 第44-47页 |
| 4.4.1 TPT-Tree的建造与重构 | 第44-46页 |
| 4.4.2 频繁模式挖掘 | 第46-47页 |
| 4.5 Hash处理 | 第47-48页 |
| 4.6 改进的频繁模式挖掘算法 | 第48-54页 |
| 4.6.1 算法描述 | 第48-50页 |
| 4.6.2 实验结果及分析 | 第50-54页 |
| 4.7 本章小结 | 第54-55页 |
| 5 结束语 | 第55-56页 |
| 5.1 总结 | 第55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表学术论文情况 | 第59-60页 |
| 致谢 | 第60页 |
