| 第一章 序言 | 第1-13页 |
| 1．1 本文的主要工作 | 第11-12页 |
| 1．2 本文的内容与组织 | 第12-13页 |
| 第二章 数据库中的知识发现和数据挖掘 | 第13-21页 |
| 2．1 引言 | 第13-14页 |
| 2．2 数据库中的知识发现（KDD） | 第14-15页 |
| 2．2．1 KDD的定义 | 第14页 |
| 2．2．2 KDD的特点 | 第14-15页 |
| 2．3 数据库中的知识发现的处理过程模型 | 第15-16页 |
| 2．4 数据挖掘的任务和方法 | 第16-20页 |
| 2．4．1 数据挖掘的任务 | 第16-18页 |
| 2．4．2 数据挖掘的方法 | 第18-20页 |
| 2．5 数据挖掘的应用 | 第20-21页 |
| 第三章 数据库中的关联规则发现 | 第21-31页 |
| 3．1 关联规则及其发现问题 | 第21-22页 |
| 3．2 关联规则的几种常见推广模型 | 第22-24页 |
| 3．2．1 泛化关联规则（Generalized Association Rules） | 第22页 |
| 3．2．2 时态（Temporal）关联规则 | 第22-23页 |
| 3．2．3 加权（Weighted）关联规则 | 第23页 |
| 3．2．4 多支持度（Multi-support）关联规则 | 第23-24页 |
| 3．2．5 负（Negative）关联规则和混合（Hybrid）关联规则 | 第24页 |
| 3．3 关联规则的主要研究方向和典型算法分析 | 第24-29页 |
| 3．3．1 基于循环的挖掘算法 | 第24-26页 |
| 3．3．2 增量式更新算法 | 第26-27页 |
| 3．3．3 并行挖掘算法 | 第27页 |
| 3．3．4 采掘泛化或多层关联规则 | 第27-28页 |
| 3．3．5 挖掘多值属性关联规则 | 第28-29页 |
| 3．3．6 基于约束的关联规则挖掘 | 第29页 |
| 3．3．7 其他方向 | 第29页 |
| 3．4 进一步研究的方向 | 第29-31页 |
| 第四章 加权关联规则模型 | 第31-40页 |
| 4．1 问题的提出 | 第31-32页 |
| 4．2 垂直加权关联规则 | 第32-33页 |
| 4．3 水平加权关联规则 | 第33-40页 |
| 4．3．1 加权关联规则模型 | 第34-35页 |
| 4．3．2 k-支持期望 | 第35-36页 |
| 4．3．3 加权关联规则挖掘算法 | 第36-39页 |
| 4．3．4 小结 | 第39-40页 |
| 第五章 多支持度关联规则模型 | 第40-46页 |
| 5．1 问题的提出 | 第40-41页 |
| 5．2 多支持度关联规则模型 | 第41页 |
| 5．3 多支持度关联规则的发现算法 | 第41-46页 |
| 5．3．1 算法 | 第42-43页 |
| 5．3．2 候选生成 | 第43-45页 |
| 5．3．3 子集函数subset | 第45-46页 |
| 第六章 混合关联规则模型 | 第46-58页 |
| 6．1 负关联规则 | 第46-47页 |
| 6．2 混合关联规则 | 第47-49页 |
| 6．2．1 形式描述 | 第47-48页 |
| 6．2．2 问题的分解 | 第48-49页 |
| 6．3 混合关联规则挖掘算法 | 第49-55页 |
| 6．3．1 算法的框架 | 第49页 |
| 6．3．2 一种直接的方法 | 第49-52页 |
| 6．3．3 基于树的方法 | 第52-53页 |
| 6．3．4 混合关联规则的剪枝 | 第53-55页 |
| 6．4 实验及结果分析 | 第55-57页 |
| 6．5 小结及将来的研究方向 | 第57-58页 |
| 第七章 结束语 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 附录： 硕士研究生期间发表的论文 | 第64页 |
