| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外的研究现状 | 第9-11页 |
| 1.2.1 关联规则的研究现状 | 第9-10页 |
| 1.2.2 粗糙集的属性约简研究现状 | 第10-11页 |
| 1.3 本文研究内容 | 第11-12页 |
| 1.4 本文的逻辑结构 | 第12-13页 |
| 第二章预备知识 | 第13-24页 |
| 2.1 关联规则相关知识概述 | 第13-17页 |
| 2.1.1 关联规则相关的基础概念 | 第13-14页 |
| 2.1.2 关联规则的挖掘过程 | 第14页 |
| 2.1.3 关联规则挖掘算法分类 | 第14-15页 |
| 2.1.4 Apriori算法 | 第15-17页 |
| 2.2 分界思想概述 | 第17-20页 |
| 2.2.1 分界思想相关概念 | 第18页 |
| 2.2.2 分界思想在关联规则中的应用研究 | 第18-20页 |
| 2.3 粗糙集相关知识概述 | 第20-23页 |
| 2.3.1 粗糙集相关基础知识概念 | 第20-22页 |
| 2.3.2 粗糙集的属性约简在关联规则中的应用 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章基于分界思想的BIAL-APRIORI算法 | 第24-42页 |
| 3.1 IAL-Apriori算法概述 | 第24-26页 |
| 3.1.1 项目邻接表的定义 | 第24-26页 |
| 3.2 BIAL-Apriori算法 | 第26-39页 |
| 3.2.1 类项目邻接表--BIAL | 第27-36页 |
| 3.2.2 并行化BIAL | 第36-37页 |
| 3.2.3 BIAL-Apriori算法思想 | 第37-38页 |
| 3.2.4 BIAL-Apriori算法的的实现 | 第38-39页 |
| 3.3 BIAL-apriori算法的实例分析 | 第39-41页 |
| 3.3.1 向量内积算法与类向量内积算法实验结果比较分析 | 第39页 |
| 3.3.2 IAL与BIAL的实验结果比较分析 | 第39-40页 |
| 3.3.3 BIAL-Apriori与IAL-Apriori算法的实验结果比较分析 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于BIAL-APRIORI算法和属性约简器的关联规则挖掘模型 | 第42-54页 |
| 4.1 粗糙集的属性约简 | 第42-44页 |
| 4.1.1 一般属性约简算法 | 第42-43页 |
| 4.1.2 基于差别矩阵的属性约简算法 | 第43-44页 |
| 4.1.3 启发式约简算法 | 第44页 |
| 4.2 基于属性约简器的挖掘模型探究及实例应用 | 第44-53页 |
| 4.2.1 属性约简器模型构想 | 第45-49页 |
| 4.2.2 基于属性约简器的挖掘模型实例应用 | 第49-52页 |
| 4.2.3 模型对比分析 | 第52-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第五章总结与展望 | 第54-55页 |
| 5.1 本文工作总结 | 第54页 |
| 5.2 进一步的研究工作 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58页 |
