面向海量数据的关联规则挖掘算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·引言 | 第10-11页 |
| ·关联规则理论及应用的发展状况 | 第11-13页 |
| ·论文背景及工作内容 | 第13-15页 |
| ·如何对具有倾斜的海量数据集进行有效的规则挖掘 | 第13-14页 |
| ·如何对稠密的海量数据集进行规则挖掘 | 第14-15页 |
| ·论文组织与结构 | 第15-16页 |
| 第二章 关联规则挖掘理论基础 | 第16-28页 |
| ·数据挖掘理论基础 | 第16-19页 |
| ·数据挖掘和KDD的基本概念 | 第16页 |
| ·数据挖掘技术的过程及分类 | 第16-18页 |
| ·数据挖掘采用的方法 | 第18-19页 |
| ·数据挖掘的应用 | 第19页 |
| ·关联规则挖掘基础 | 第19-28页 |
| ·关联规则的问题定义 | 第19-22页 |
| ·关联规则的种类 | 第22页 |
| ·关联规则的挖掘方法 | 第22-23页 |
| ·挖掘关联规则的经典算法Apriori | 第23-24页 |
| ·几种基于Apriori的改进算法简介 | 第24-25页 |
| ·Eclat算法介绍 | 第25-26页 |
| ·关联规则的应用领域 | 第26-28页 |
| 第三章 基于密度偏差抽样的加权关联规则挖掘算法 | 第28-38页 |
| ·密度偏差抽样基本理论 | 第28-30页 |
| ·密度偏差抽样算法 | 第30页 |
| ·基于密度偏差抽样的加权关联规则挖掘算法 | 第30-32页 |
| ·实验测试 | 第32-35页 |
| ·DBS-WR算法的效率测试 | 第33-34页 |
| ·DBS-WR算法的正确率测试: | 第34-35页 |
| ·DBS_WR算法在入侵检测中的应用 | 第35-37页 |
| ·结束语 | 第37-38页 |
| 第四章 粒计算理论与应用 | 第38-52页 |
| ·引言 | 第38页 |
| ·粒计算理论与应用发展现状 | 第38-41页 |
| ·粒计算的主要模型、特点和相互关系 | 第41-45页 |
| ·词计算模型 | 第42页 |
| ·粗糙集模型 | 第42-43页 |
| ·商空间模型 | 第43页 |
| ·模型之间的关系分析 | 第43-45页 |
| ·粒表示以及在关联规则中的应用 | 第45-49页 |
| ·粒计算 | 第47页 |
| ·粒子空间及粒计算在关联规则中的应用 | 第47-49页 |
| ·商空间理论、性质及原理 | 第49-51页 |
| ·商空间簇的性质 | 第49-50页 |
| ·商空间理论中推理的主要原理 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 基于粒计算的关联规则挖掘算法 | 第52-58页 |
| ·基于粒计算的关联规则挖掘算法设计思想 | 第52页 |
| ·基于粒计算的关联规则挖掘算法具体描述 | 第52-53页 |
| ·基于粒计算的关联规则挖掘算法实例验证 | 第53-56页 |
| ·仿真实验与分析 | 第56-58页 |
| 第六章 全文总结 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65页 |
