关联规则数据挖掘算法的研究

扉页	第1-3页
摘要	第3-5页
Abstract	第5-10页
第一章 绪论	第10-27页
·引言	第10-11页
·数据挖掘概述	第11-21页
·数据挖掘的产生	第11-13页
·数据挖掘的概念	第13-15页
·传统分析方法和数据挖掘	第13-14页
·数据库中的知识发现和数据挖掘	第14页
·联机分析处理和数据挖掘	第14-15页
·联机分析挖掘和数据挖掘	第15页
·数据挖掘的对象	第15-17页
·关系数据库	第16页
·数据仓库	第16-17页
·事务数据库	第17页
·网络	第17页
·数据挖掘的发现模式	第17-20页
·广义模式	第18页
·关联模式	第18页
·序列模式	第18-19页
·分类模式	第19页
·聚类模式	第19-20页
·预测模式	第20页
·偏差模式	第20页
·数据挖掘的技术	第20-21页
·机器学习方法	第20页
·统计方法	第20-21页
·神经网络方法	第21页
·数据库方法	第21页
·国内外研究现状及未来发展趋势	第21-25页
·国外研究现状	第21-24页
·国内研究现状	第24页
·未来发展趋势	第24-25页
·本文研究的主要内容	第25-27页
·数据挖掘技术的分析与研究	第25页
·关联规则数据挖掘技术的分析与研究	第25页
·HY算法的设计、分析与研究	第25-26页
·HY算法的实验结果	第26页
·原型系统的实现	第26-27页
第二章 关联规则数据挖掘	第27-46页
·关联规则的基本概念	第27-28页
·关联规则的分类	第28-38页
·根据所处理的值类型分类	第28页
·布尔关联规则	第28页
·量化关联规则	第28页
·根据所涉及的抽象层分类	第28-31页
·单层关联规则	第28-29页
·多层关联规则	第29-31页
·根据所涉及的数据维分类	第31-34页
·单维关联规则	第31-32页
·多维关联规则	第32-34页
·根据对关联规则的不同扩充分类	第34-38页
·相关分析	第35-36页
·基于约束的关联规则	第36-38页
·关联规则的挖掘算法	第38-46页
·经典频繁项集挖掘算法	第38-42页
·算法的基本思想	第39-41页
·基于散列的优化方法	第41页
·基于事务压缩的优化方法	第41-42页
·基于划分的优化方法	第42页
·基于采样的优化方法	第42页
·基于动态项集计数的优化方法	第42页
·其它频繁项集挖掘算法	第42-46页
·频繁模式增长算法	第43-45页
·MH算法和LSH算法	第45-46页
第三章 HY算法	第46-58页
·散列技术原理	第46-50页
·侯选k-项集的散列函数的构造	第47页
·散列函数的原理分析	第47-50页
·事务压缩技术原理	第50-52页
·DHP算法中的事务压缩技术	第50页
·优化的事务压缩技术	第50-52页
·HY算法产生频繁项集的一个例子	第52-54页
·HY算法的实现步骤	第54-58页
第四章 HY算法的实验结果	第58-63页
·合成数据的产生	第58-59页
·HY算法与Apriori算法和DHP算法的比较	第59-61页
·各遍执行时间的比较	第59-60页
·不同支持度执行时间的比较	第60-61页
·HY算法的数据规模实验	第61-63页
·算法执行时间与事务数变化的关系	第61-62页
·算法执行时间与项数变化的关系	第62-63页
第五章 原型系统的实现	第63-69页
·原型系统的技术特征	第63页
·原型系统的功能	第63-66页
·原型系统的完善方向	第66-69页
·挖掘任务的完备性	第66-67页
·挖掘结果的可视性	第67-68页
·与用户的交互性	第68-69页
结论	第69-71页
致谢	第71-72页
参考文献	第72-80页
攻读硕士学位期间所发表的论文	第80页