商品关联规则挖掘的研究
| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 1 绪论 | 第10-13页 |
| 1.1 数据挖掘产生背景、主要特点与任务 | 第10-11页 |
| 1.1.1 产生背景 | 第10页 |
| 1.1.2 进化和演变过程 | 第10页 |
| 1.1.3 数据挖掘的主要特点 | 第10-11页 |
| 1.1.4 数据挖掘的任务 | 第11页 |
| 1.2 数据挖掘的技术 | 第11-12页 |
| 1.3 操作方法 | 第12页 |
| 1.4 数据挖掘研究的现状 | 第12-13页 |
| 1.5 文章组织结构 | 第13页 |
| 2 数据立方体技术、关联相关、模式和算法 | 第13-22页 |
| 2.1 数据立方体 | 第13-18页 |
| 2.1.1 数据立方体一般策略 | 第13-14页 |
| 2.1.2 数据立方体计算方法 | 第14页 |
| 2.1.3 立方体技术处理高级查询 | 第14-15页 |
| 2.1.4 数据立方体空间的多维数据分析 | 第15页 |
| 2.1.5 支持度和信任度 | 第15页 |
| 2.1.6 项集和频繁项集 | 第15-16页 |
| 2.1.7 关联规则的挖掘步骤 | 第16页 |
| 2.1.8 空间和时间关联挖掘技术 | 第16页 |
| 2.1.9 数据相关性 | 第16-18页 |
| 2.2 Apriori算法 | 第18-21页 |
| 2.2.1 Apriori简介 | 第18页 |
| 2.2.2 Apriori描述 | 第18-19页 |
| 2.2.3 算法的优化 | 第19-20页 |
| 2.2.4 多层关联规则挖掘 | 第20-21页 |
| 2.3 Apriori Tid | 第21-22页 |
| 2.3.1 序列模式 | 第21页 |
| 2.3.2 两阶段策略 | 第21页 |
| 2.3.3 改进的Apriori型频繁模式挖掘 | 第21-22页 |
| 2.4 本章总结 | 第22页 |
| 3 关联商品模型及优化 | 第22-28页 |
| 3.1 规则学习和决策 | 第22-23页 |
| 3.2 决策树 | 第23-24页 |
| 3.2.1 组成及归纳 | 第23页 |
| 3.2.2 画法 | 第23-24页 |
| 3.2.3 优点 | 第24页 |
| 3.2.4 缺点 | 第24页 |
| 3.3 关联规则分类和模型 | 第24-25页 |
| 3.3.1 关联规则分类 | 第24-25页 |
| 3.3.2 关联规则模型 | 第25页 |
| 3.4 分类器 | 第25-26页 |
| 3.4.1 分类器概述 | 第25-26页 |
| 3.4.2 分类算法的种类及特性 | 第26页 |
| 3.5 分类器阈值 | 第26-28页 |
| 3.5.1 最小支持度阈值 | 第26页 |
| 3.5.2 置信度阈值 | 第26-27页 |
| 3.5.3 阈值优化 | 第27-28页 |
| 3.6 本章小结 | 第28页 |
| 4 基于关联规则商品的模型的应用 | 第28-33页 |
| 4.1 数据挖掘市场的提出 | 第28页 |
| 4.2 关联商品分析方法和过程 | 第28-32页 |
| 4.3 本章小结 | 第32-33页 |
| 5 结论 | 第33-34页 |
| 参考文献 | 第34-36页 |
| 致谢 | 第36页 |
