| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 引言 | 第7-15页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 关联规则挖掘算法 | 第8-9页 |
| 1.2.2 粒子群优化算法 | 第9-10页 |
| 1.2.3 引力搜索算法 | 第10-12页 |
| 1.2.4 粒子群算法优化关联规则挖掘算法 | 第12页 |
| 1.3 主要的研究内容与创新之处 | 第12-14页 |
| 1.4 本文的章节安排 | 第14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 相关算法基本原理 | 第15-20页 |
| 2.1 粒子群优化算法 | 第15-18页 |
| 2.1.1 粒子群优化算法的基本原理 | 第15-18页 |
| 2.2 关联规则方法 | 第18-19页 |
| 2.2.1 关联规则方法基本原理 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 一种混合粒子群优化算法 | 第20-34页 |
| 3.1 引力搜索算法 | 第20-22页 |
| 3.1.1 引力搜索算法的基本原理 | 第20-22页 |
| 3.1.2 引力搜索算法步骤 | 第22页 |
| 3.2 GSA-PSO算法的基本思想 | 第22-23页 |
| 3.3 GSA-PSO算法的实现 | 第23-25页 |
| 3.4 GSA-PSO算法的性能分析 | 第25-32页 |
| 3.5 本章小结 | 第32-34页 |
| 第4章 基于改进粒子群优化算法的关联规则数据挖掘 | 第34-45页 |
| 4.1 基于混合粒子群优化算法进行关联规则挖掘 | 第34-39页 |
| 4.1.1 GSA-PSO算法在关联规则挖掘中的编码 | 第35-36页 |
| 4.1.2 适应度函数的构造 | 第36-38页 |
| 4.1.3 用混合粒子群优化算法挖掘关联规则过程 | 第38-39页 |
| 4.2 实验仿真与结果分析 | 第39-41页 |
| 4.2.1 数据预处理 | 第40-41页 |
| 4.3 GSA-PSO与其他算法比较 | 第41-43页 |
| 4.4 本章小结 | 第43-45页 |
| 第5章 结论与展望 | 第45-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 攻读学位期间的研究成果 | 第51页 |