| 摘要 | 第2-4页 |
| ABSTRACT | 第4-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 本文研究背景 | 第10-11页 |
| 1.2 国内外的研究现状 | 第11-12页 |
| 1.3 来自企业的应用需求 | 第12-13页 |
| 1.4 本文主要工作 | 第13-14页 |
| 1.5 本文内容安排 | 第14-16页 |
| 第二章 数据挖掘和关联规则介绍 | 第16-26页 |
| 2.1 数据挖掘介绍 | 第16-21页 |
| 2.1.1 数据挖掘的定义 | 第16-18页 |
| 2.1.2 数据挖掘的过程 | 第18-19页 |
| 2.1.3 数据挖掘的分类、技术和方法 | 第19-20页 |
| 2.1.4 数据挖掘的任务 | 第20-21页 |
| 2.2 关联规则介绍 | 第21-26页 |
| 2.2.1 关联规则的定义 | 第22-23页 |
| 2.2.2 关联规则的分类 | 第23-24页 |
| 2.2.3 关联规则的挖掘 | 第24-25页 |
| 2.2.4 关联规则的应用 | 第25-26页 |
| 第三章 关联规则APRIORI 算法 | 第26-42页 |
| 3.1 APRIORI 算法原理与描述 | 第26-31页 |
| 3.1.1 频繁项集的产生 | 第26-30页 |
| 3.1.2 关联规则的生成 | 第30页 |
| 3.1.3 算法流程图 | 第30-31页 |
| 3.2 APRIORI 算法示例和评价 | 第31-36页 |
| 3.2.1 Apriori 算法示例 | 第31-35页 |
| 3.2.2 Apriori 算法评价 | 第35-36页 |
| 3.3 典型的APRIORI 优化算法介绍 | 第36-42页 |
| 第四章 关系数据库中的关联规则挖掘算法改进 | 第42-58页 |
| 4.1 关系数据库中的关联规则挖掘 | 第42-44页 |
| 4.1.1 关系数据库的结构特征 | 第42-43页 |
| 4.1.2 关系数据库中的关联规则特征 | 第43-44页 |
| 4.2 编码关联规则挖掘算法CODING-APRIORI | 第44-53页 |
| 4.2.1 Coding-Apriori 算法简介 | 第44页 |
| 4.2.2 关系数据库的属性映射 | 第44-46页 |
| 4.2.3 利用编码寻找频繁项集 | 第46-52页 |
| 4.2.4 Coding-Apriori 算法流程图 | 第52-53页 |
| 4.3 CODING-APRIORI 算法评价和实验 | 第53-56页 |
| 4.3.1 Coding-Apriori 算法评价 | 第53-54页 |
| 4.3.2 Coding-Apriori 算法实验 | 第54-56页 |
| 4.4 大型关系数据库中的CODING-APRIORI 算法优化方案 | 第56-58页 |
| 4.4.1 大型关系数据库中的数据分割 | 第56页 |
| 4.4.2 大型关系数据库中的模式匹配 | 第56-58页 |
| 第五章 CODING-APRIORI 在企业采购数据挖掘中的应用 | 第58-68页 |
| 5.1 应用背景 | 第58-59页 |
| 5.2 企业采购信息数据预处理 | 第59-60页 |
| 5.3 系统结构设计 | 第60-62页 |
| 5.3.1 模式结构 | 第60-61页 |
| 5.3.2 数据挖掘模块 | 第61-62页 |
| 5.4 系统流程 | 第62-64页 |
| 5.5 系统运行与结果分析 | 第64-68页 |
| 5.5.1 系统运行 | 第64-66页 |
| 5.5.2 结果分析 | 第66-68页 |
| 第六章 总结与展望 | 第68-71页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-71页 |
| 参考文献 | 第71-73页 |
| 攻读学位期间学术论文发表 | 第73-74页 |
| 致谢 | 第74-76页 |
