| 摘要 | 第6-9页 |
| ABSTRACT | 第9-12页 |
| 第一章 绪论 | 第16-20页 |
| 1.1 课题研究的形成背景 | 第16-17页 |
| 1.2 课题研究的目的与意义 | 第17-18页 |
| 1.3 本文所做的工作及论文结构 | 第18-20页 |
| 第二章 相关技术 | 第20-29页 |
| 2.1 经典算法分析 | 第20-25页 |
| 2.1.1 Apriori算法 | 第20-21页 |
| 2.1.2 FP-tree＆FP-growth算法 | 第21-22页 |
| 2.1.3 QFP-growth算法 | 第22-23页 |
| 2.1.4 阶层关联规则 | 第23-24页 |
| 2.1.5 Fuzzy Data挖掘方式 | 第24-25页 |
| 2.2 对事务间关联规则的分析 | 第25-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 基于事务间数值型关联规则的股票数据挖掘算法 | 第29-53页 |
| 3.1 原始事务数据库的转换 | 第29-30页 |
| 3.2 隶属函数的确定 | 第30-32页 |
| 3.3 关联规则数据挖掘算法 | 第32-44页 |
| 3.3.1 步骤 | 第32-34页 |
| 3.3.2 算法示例 | 第34-38页 |
| 3.3.3 主要程序设计 | 第38-44页 |
| 3.4 进一步的思考及存在的一些问题 | 第44-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 基于兴趣度的事务间排斥型关联规则股票数据挖掘 | 第53-73页 |
| 4.1 问题的由来 | 第53-54页 |
| 4.2 基于差异思想的兴趣度定义 | 第54-55页 |
| 4.3 相似关联规则挖掘算法 | 第55-64页 |
| 4.4 原始事务数据库的转换 | 第64页 |
| 4.5 最小哈希变换 | 第64-65页 |
| 4.6 进一步改进 | 第65-69页 |
| 4.7 利用关联图关联规则挖掘算法对M(10)进行挖掘 | 第69-71页 |
| 4.7.1 关联图关联规则挖掘算法 | 第69-70页 |
| 4.7.2 关联规则的产生 | 第70-71页 |
| 4.8 排斥规则的产生 | 第71-72页 |
| 4.9 本章小结 | 第72-73页 |
| 第五章 结论与展望 | 第73-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 作者读研期间所取得的读研成果 | 第84页 |
