基于兴趣度和遗传算法的关联规则挖掘研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 数据挖掘的研究背景 | 第8-10页 |
| 1.1.1 数据挖掘的定义和发展 | 第8-9页 |
| 1.1.2 数据挖掘的分类 | 第9页 |
| 1.1.3 数据挖掘的过程 | 第9-10页 |
| 1.2 数据挖掘中的关联规则 | 第10-11页 |
| 1.3 遗传算法与数据挖掘 | 第11页 |
| 1.4 论文的结构 | 第11-13页 |
| 第二章 关联规则和遗传算法的基础 | 第13-31页 |
| 2.1 关联规则的引言 | 第13-14页 |
| 2.2 关联规则的基本概念 | 第14-15页 |
| 2.2.1 关联规则的定义 | 第14页 |
| 2.2.2 关联规则的性质 | 第14-15页 |
| 2.3 关联规则的核心算法 | 第15-22页 |
| 2.3.1 Apriori算法 | 第15-20页 |
| 2.3.2 强关联规则的生成 | 第20-22页 |
| 2.4 遗传算法的引言 | 第22-23页 |
| 2.5 遗传算法的术语说明 | 第23-24页 |
| 2.6 遗传算法的核心 | 第24-27页 |
| 2.6.1 变量编码 | 第25页 |
| 2.6.2 初始群体的生成 | 第25-26页 |
| 2.6.3 个体适应度评价 | 第26页 |
| 2.6.4 遗传操作设计 | 第26-27页 |
| 2.6.5 控制参数设定 | 第27页 |
| 2.7 理论基础——模式定理 | 第27-31页 |
| 2.7.1 模式 | 第28页 |
| 2.7.2 模式定理 | 第28-31页 |
| 第三章 基于兴趣度的关联规则挖掘 | 第31-39页 |
| 3.1 引言 | 第31-32页 |
| 3.2 构建基于相关性度量的兴趣度模型 | 第32-35页 |
| 3.2.1 几种典型兴趣度模型 | 第32-33页 |
| 3.2.2 新的兴趣度模型 | 第33-35页 |
| 3.3 算法设计 | 第35-36页 |
| 3.4 实验设计 | 第36-38页 |
| 3.5 总结 | 第38-39页 |
| 第四章 基于兴趣度和遗传算法的关联规则挖掘 | 第39-49页 |
| 4.1 利用遗传算法挖掘关联规则的思想 | 第39页 |
| 4.2 算法的实现 | 第39-41页 |
| 4.2.1 编码方法 | 第40页 |
| 4.2.2 适应度函数的构造 | 第40-41页 |
| 4.2.3 遗传操作 | 第41页 |
| 4.3 规则的提取 | 第41-42页 |
| 4.4 算法设计 | 第42-43页 |
| 4.5 实例分析 | 第43-48页 |
| 4.5.1 编码 | 第43-45页 |
| 4.5.2 运行参数设定 | 第45页 |
| 4.5.3 结果分析 | 第45-48页 |
| 4.6 总结 | 第48-49页 |
| 第五章 总结和展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53页 |
