| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题的研究背景意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-13页 |
| ·本文的主要内容及文章组织结构 | 第13-14页 |
| ·本文的主要内容 | 第13页 |
| ·本文的组织结构 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第2章 KDD和数据挖掘技术 | 第15-19页 |
| ·KDD与数据挖掘技术 | 第15-16页 |
| ·数据挖掘与其他学科关系 | 第16-17页 |
| ·数据挖掘的分类 | 第17-18页 |
| ·数据挖掘技术 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第3章 关联规则挖掘及其算法 | 第19-27页 |
| ·关联规则挖掘问题的产生 | 第19-20页 |
| ·关联规则的基本概念和相关理论 | 第20-23页 |
| ·关联规则的定义 | 第20页 |
| ·两个常用参数 | 第20-21页 |
| ·其他参数 | 第21页 |
| ·关联规则的分类 | 第21-22页 |
| ·关联规则挖掘过程 | 第22-23页 |
| ·项目集空间理论 | 第23页 |
| ·经典算法--Apriori算法 | 第23-26页 |
| ·Apriori算法 | 第23-26页 |
| ·Apriori算法的缺点及改进 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第4章 FP-growth算法及其改进 | 第27-39页 |
| ·FP-growth算法 | 第27-32页 |
| ·算法中存在的问题 | 第32-33页 |
| ·一种新的FP-tree | 第33-35页 |
| ·一种高效的FP-growth算法--FFP-growth算法 | 第35-36页 |
| ·性能分析及实验分析 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第5章 一种基于聚类算法的关联规则挖掘算法 | 第39-52页 |
| ·聚类的相关基础 | 第39-41页 |
| ·聚类的概念及其相关性质 | 第39页 |
| ·聚类方法的分类 | 第39-40页 |
| ·聚类分析的度量及聚类标准 | 第40-41页 |
| ·聚类方法的应用 | 第41页 |
| ·基于聚类的关联规则挖掘及其研究现状 | 第41-43页 |
| ·聚类表与FP-tree的相关知识 | 第43-47页 |
| ·聚类表 | 第43-45页 |
| ·FP-tree的相关概念和性质 | 第45-46页 |
| ·聚类表与FP-subtree之间的关系 | 第46-47页 |
| ·一种基于聚类的关联规则挖掘算法—CFP-growth算法 | 第47-50页 |
| ·实验与分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第6章 结论与展望 | 第52-53页 |
| ·结论 | 第52页 |
| ·展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录 | 第56-65页 |
| 附录1 | 第56-65页 |
| 致谢 | 第65页 |