| 第1章 概论 | 第1-11页 |
| 1．1 课题研究背景 | 第7-9页 |
| 1．2 本论文所作的工作 | 第9-10页 |
| 1．3 课题的研究价值及意义 | 第10-11页 |
| 第2章 数据挖掘和数据库中的知识发现 | 第11-20页 |
| 2．1 数据挖掘和KDD的基本概念 | 第11-12页 |
| 2．2 数据挖掘技术的定位 | 第12-13页 |
| 2．3 数据挖掘技术的过程及分类 | 第13-16页 |
| 2．4 数据挖掘采用的方法 | 第16-17页 |
| 2．5 数据挖掘的应用 | 第17-18页 |
| 2．6 数据挖掘面临的挑战 | 第18-20页 |
| 第3章 关联规则及其发展展望 | 第20-42页 |
| 3．1 关联规则的问题定义 | 第20-22页 |
| 3．2 数据库的格式 | 第22-23页 |
| 3．3 挖掘关联工作的经典算法Apriori | 第23-26页 |
| 3．4 几种改进的发现频繁项目集算法及其比较 | 第26-30页 |
| 3．4．1 AprioriTid算法 | 第26-27页 |
| 3．4．2 AprioriHybrid算法 | 第27页 |
| 3．4．3 基于动态计算的方法 | 第27-28页 |
| 3．4．4 基于划分的方法 | 第28-29页 |
| 3．4．5 基于hash的方法 | 第29-30页 |
| 3．4．6 基于采样的方法 | 第30页 |
| 3．5 关联规则的几种扩展 | 第30-36页 |
| 3．5．1 多概念层次关联规则 | 第30-31页 |
| 3．5．2 多维关联规则 | 第31-32页 |
| 3．5．3 基于约束的关联规则 | 第32页 |
| 3．5．4 定量关联规则 | 第32-33页 |
| 3．5．5 周期关联规则 | 第33页 |
| 3．5．6 加权关联规则 | 第33-35页 |
| 3．5．7 负关联规则 | 第35页 |
| 3．5．8 序列模式 | 第35-36页 |
| 3．5．9 比例规则 | 第36页 |
| 3．6 关联规则的维护与更新 | 第36-37页 |
| 3．7 关联规则的修剪 | 第37-38页 |
| 3．8 关联规则挖掘存在的问题 | 第38-39页 |
| 3．8．1 候选项目集的数目巨大 | 第38-39页 |
| 3．8．2 支持—信任框架会产生冗余规则 | 第39页 |
| 3．9 关联规则挖掘技术的研究方向 | 第39-41页 |
| 3．9．1 挖掘算法效率的提高 | 第39-40页 |
| 3．9．2 关联规则有趣度的提高 | 第40页 |
| 3．9．3 关联规则挖掘算法的交互性 | 第40页 |
| 3．9．4 关联规则挖掘技术与其它技术的融合 | 第40-41页 |
| 3．10 关联规则的应用领域 | 第41-42页 |
| 第4章 关联规则的有趣度 | 第42-50页 |
| 4．1 客观度量 | 第42-45页 |
| 4．1．1 规则兴趣度的原则 | 第42-43页 |
| 4．1．2 关联规则的几种客观有趣度量 | 第43-45页 |
| 4．2 主观度量 | 第45-50页 |
| 4．2．1 actionability度量 | 第46页 |
| 4．2．2 unexpectedness度量 | 第46页 |
| 4．2．3 unexpectedness和actionability之间的关系 | 第46-47页 |
| 4．2．4 unexpectedness和信念 | 第47-48页 |
| 4．2．5 关联规则的几种主观有趣度量 | 第48-50页 |
| 第5章 挖掘有趣关联规则 | 第50-59页 |
| 5．1 关联规则挖掘中存在的问题 | 第50-51页 |
| 5．2 关联规则兴趣度的相关工作 | 第51-53页 |
| 5．3 关联规则的客观兴趣度 | 第53-54页 |
| 5．4 有趣关联规则的挖掘 | 第54-57页 |
| 5．4．1 基于支持-信任-有趣度的关联规则算法描述 | 第54-56页 |
| 5．4．2 示例说明有趣关联规则的挖掘 | 第56-57页 |
| 5．5 挖掘结果分析 | 第57-58页 |
| 5．6 有关有趣关联规则挖掘的讨论 | 第58-59页 |
| 结束语 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66页 |