蚁群算法在挖掘最大频繁项集问题中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| §1-1 课题的研究背景及意义 | 第8-12页 |
| 1-1-1 数据挖掘概述 | 第8-10页 |
| 1-1-2 关联规则描述及应用 | 第10-12页 |
| §1-2 课题的研究现状 | 第12-15页 |
| 1-2-1 最大频繁项集挖掘研究现状 | 第12-13页 |
| 1-2-2 蚁群算法应用现状 | 第13-15页 |
| §1-3 课题的主要研究内容 | 第15-16页 |
| 第二章 最大频繁项集挖掘问题分析 | 第16-29页 |
| §2-1 基本概念 | 第16-17页 |
| §2-2 数据分布 | 第17-19页 |
| 2-2-1 水平数据分布 | 第18页 |
| 2-2-2 垂直数据分布 | 第18-19页 |
| §2-3 挖掘频繁项集传统算法 | 第19-25页 |
| 2-3-1 Apriori算法 | 第19-23页 |
| 2-3-2 频繁模式增长算法 | 第23-25页 |
| §2-4 最大频繁项集挖掘技术 | 第25-29页 |
| 2-4-1 剪枝技术 | 第25-26页 |
| 2-4-2 搜索策略 | 第26-29页 |
| 第三章 蚁群算法 | 第29-37页 |
| §3-1 蚁群算法的基本原理 | 第29-32页 |
| 3-1-1 生物背景 | 第29页 |
| 3-1-2 基本原理 | 第29-30页 |
| 3-1-3 人工蚁基本思想 | 第30-32页 |
| §3-2 蚁群算法模型 | 第32-34页 |
| §3-3 改进的蚁群算法及ACO | 第34-35页 |
| 3-3-1 改进的蚁群算法 | 第34页 |
| 3-3-2 蚁群优化ACO | 第34-35页 |
| §3-4 蚁群算法的特点 | 第35-37页 |
| 第四章 蚁群算法挖掘最大频繁项集 | 第37-50页 |
| §4-1 AS-MFI算法基本思想 | 第37-39页 |
| §4-2 数据分布及编码 | 第39-40页 |
| §4-3 AS-MFI算法详细设计 | 第40-44页 |
| 4-3-1 适应度函数构造 | 第40页 |
| 4-3-2 子集构建 | 第40-42页 |
| 4-3-3 信息素的更新 | 第42-44页 |
| §4-4 实验结果与分析 | 第44-46页 |
| §4-5 AS-MFI算法在灾害天气分析中的应用 | 第46-50页 |
| 4-5-1 灾害天气最大频繁项集挖掘的模型 | 第46-47页 |
| 4-5-2 灾害天气表征 | 第47-48页 |
| 4-5-3 灾害性天气数据处理 | 第48-49页 |
| 4-5-4 AS-MFI挖掘灾害性天气结果分析 | 第49-50页 |
| 第五章 结论与展望 | 第50-51页 |
| §5-1 本文研究工作总结 | 第50页 |
| §5-2 今后工作 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54页 |
