基于SP-tree的关联规则更新挖掘算法
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-10页 |
| Contents | 第10-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 研究内容 | 第15页 |
| 1.4 论文的组织结构 | 第15-18页 |
| 第二章 相关工作 | 第18-31页 |
| 2.1 关联规则简介 | 第18-20页 |
| 2.2 关联规则挖掘 | 第20-21页 |
| 2.3 相关算法 | 第21-30页 |
| 2.3.1 早期经典的算法 | 第21-22页 |
| 2.3.2 Apriori算法 | 第22-27页 |
| 2.3.3 FP-tree算法 | 第27-30页 |
| 2.4 小结 | 第30-31页 |
| 第三章 SPUA算法模型 | 第31-38页 |
| 3.1 SPUA模型 | 第31-32页 |
| 3.2 SPUA模型组件 | 第32-35页 |
| 3.2.1 数据预处理模块 | 第32页 |
| 3.2.2 SP-tree构建模块 | 第32-33页 |
| 3.2.3 SP-tree更新模块 | 第33-35页 |
| 3.2.4 递归挖掘模块 | 第35页 |
| 3.3 数据预处理方法 | 第35-37页 |
| 3.4 小结 | 第37-38页 |
| 第四章 基于SP-tree的关联规则更新挖掘算法 | 第38-55页 |
| 4.1 SPUA算法 | 第39-50页 |
| 4.1.1 算法描述 | 第39-40页 |
| 4.1.2 SP-tree的创建 | 第40-45页 |
| 4.1.3 SP-tree的更新 | 第45-48页 |
| 4.1.4 生成FP-tree函数 | 第48-50页 |
| 4.2 数据库更新的挖掘 | 第50-52页 |
| 4.2.1 增量更新挖掘 | 第50-51页 |
| 4.2.2 减量更新挖掘 | 第51-52页 |
| 4.3 支持度更新的挖掘 | 第52-53页 |
| 4.4 SPUA算法分析 | 第53-54页 |
| 4.5 小结 | 第54-55页 |
| 第五章 实验结果与分析 | 第55-59页 |
| 5.1 实验环境 | 第55页 |
| 5.2 数据集描述 | 第55-56页 |
| 5.3 实验结果 | 第56-57页 |
| 5.4 实验结果分析 | 第57-58页 |
| 5.5 小结 | 第58-59页 |
| 总结与展望 | 第59-61页 |
| 研究总结 | 第59-60页 |
| 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间从事的科研项目及发表的论文 | 第65-67页 |
| 致谢 | 第67页 |
