| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-19页 |
| 1.1 课题研究的背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 课题的研究内容 | 第11-12页 |
| 1.2.1 基本内容 | 第11页 |
| 1.2.2 拟采取的研究方法 | 第11-12页 |
| 1.3 相关技术国内外研究现状和发展动态 | 第12-17页 |
| 1.3.1 数据挖掘 | 第12-14页 |
| 1.3.2 关联规则挖掘 | 第14-16页 |
| 1.3.3 聚类分析挖掘 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 2 Apriori关联规则挖掘算法研究 | 第19-43页 |
| 2.1 Apriori关联规则挖掘算法概述 | 第19-21页 |
| 2.1.1 关联规则挖掘概述 | 第19页 |
| 2.1.2 Apriori关联规则挖掘算法概述 | 第19-20页 |
| 2.1.3 Apriori算法的优缺点及改进思路 | 第20-21页 |
| 2.2 0-1矩阵描述数据库事务集 | 第21-24页 |
| 2.2.1 描述数据库事务集的0-1矩阵定义 | 第21-22页 |
| 2.2.2 0-1矩阵数据库事务集排序 | 第22-24页 |
| 2.3 用0-1矩阵提高统计项集的效率 | 第24-34页 |
| 2.3.1 传统的包含匹配算法描述 | 第25-27页 |
| 2.3.2 算法BinA效率分析 | 第27-30页 |
| 2.3.3 0-1矩阵包含匹配算法描述 | 第30-31页 |
| 2.3.4 算法BOlinA01效率分析 | 第31-32页 |
| 2.3.5 算法BOlinA01与BinA对比 | 第32-34页 |
| 2.3.6 算法BOlinA01与算法BinA实验 | 第34页 |
| 2.4 用0-1矩阵统计求取极大频繁项集 | 第34-37页 |
| 2.4.1 求取极大频繁项集算法描述 | 第34-36页 |
| 2.4.2 求取极大频繁项集算法效率分析 | 第36-37页 |
| 2.5 改进的Apriori算法 | 第37-42页 |
| 2.5.1 改进的Apriori算法描述 | 第37-39页 |
| 2.5.2 MyApriori算法性能分析与实验 | 第39-42页 |
| 2.6 本章小结 | 第42-43页 |
| 3 半监督k均值聚类算法研究 | 第43-61页 |
| 3.1 k均值聚类算法 | 第43-52页 |
| 3.1.1 k均值聚类算法概述 | 第43-44页 |
| 3.1.2 数据归一化处理 | 第44-45页 |
| 3.1.3 k均值聚类算法性能评价 | 第45-47页 |
| 3.1.4 k均值聚类算法实验分析 | 第47-52页 |
| 3.2 半监督k均值算法 | 第52-56页 |
| 3.2.1 半监督k均值算法概述 | 第52页 |
| 3.2.2 半监督k均值算法实验及分析 | 第52-56页 |
| 3.3 改进的半监督k均值算法 | 第56-60页 |
| 3.3.1 改进的半监督k均值算法描述 | 第56-57页 |
| 3.3.2 改进的半监督k均值算法实验及分析 | 第57-60页 |
| 3.4 本章小结 | 第60-61页 |
| 4 改进的算法在师生交互平台中的应用 | 第61-71页 |
| 4.1 MyApriori算法的应用 | 第61-66页 |
| 4.1.1 关联规则挖掘的数据及预处理 | 第61-62页 |
| 4.1.2 浏览行为数据挖掘与结果分析 | 第62-66页 |
| 4.2 改进的半监督k均值算法的应用 | 第66-70页 |
| 4.2.1 重点、难点内容的归类 | 第66-68页 |
| 4.2.2 留言信息聚类 | 第68-70页 |
| 4.3 本章小结 | 第70-71页 |
| 5 总结与展望 | 第71-73页 |
| 5.1 论文工作总结 | 第71页 |
| 5.2 研究展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 攻读学位期间主要的研究成果 | 第78-79页 |
| 致谢 | 第79页 |