| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 研究现状 | 第15-19页 |
| 1.3 本文研究内容及创新 | 第19页 |
| 1.4 论文结构 | 第19-20页 |
| 1.5 小结 | 第20-21页 |
| 第二章 关联规则与多目标群智能算法 | 第21-32页 |
| 2.1 关联规则描述 | 第21-23页 |
| 2.1.1 关联规则基本概念 | 第21-22页 |
| 2.1.2 关联规则挖掘步骤 | 第22页 |
| 2.1.3 关联规则种类 | 第22页 |
| 2.1.4 稀有模式 | 第22-23页 |
| 2.2 关联规则评价方法 | 第23-26页 |
| 2.2.1 关联规则的客观提升度度评价 | 第24页 |
| 2.2.3 关联规则的简洁性评价 | 第24-25页 |
| 2.2.4 关联规则的有用性评价 | 第25-26页 |
| 2.3 多目标优化技术 | 第26-27页 |
| 2.4 二进制群智能算法 | 第27-30页 |
| 2.4.1 群智能概念 | 第27-28页 |
| 2.4.2 离散化方法 | 第28-29页 |
| 2.4.3 常见二进制群智能算法 | 第29-30页 |
| 2.5 小结 | 第30-32页 |
| 第三章 基于蝙蝠搜索算法的关联规则挖掘 | 第32-46页 |
| 3.1 蝙蝠算法 | 第32-33页 |
| 3.1.1 蝙蝠的速度更新和位置更新 | 第33页 |
| 3.1.2 响度和脉冲速率 | 第33页 |
| 3.2 二进制蝙蝠算法 | 第33-35页 |
| 3.3 使用BBA进行关联规则挖掘 | 第35-37页 |
| 3.3.1 关联规则描述 | 第35-36页 |
| 3.3.2 适应度函数的设置 | 第36-37页 |
| 3.3.3 数据库二进制转换 | 第37页 |
| 3.4 BBA关联规则挖掘算法过程 | 第37-39页 |
| 3.5 实验结果与分析 | 第39-45页 |
| 3.6 小结 | 第45-46页 |
| 第四章 基于群智能的多目标关联规则挖掘算法 | 第46-64页 |
| 4.1 多目标优化与非支配排序 | 第46-47页 |
| 4.2 拥挤距离的计算和排序 | 第47-48页 |
| 4.3 适应度函数的定义和计算 | 第48-49页 |
| 4.4 外部精英集更新规则 | 第49页 |
| 4.5 相似度的计算 | 第49-50页 |
| 4.5 全局最优值的选取 | 第50-51页 |
| 4.6 多目标二进制蝙蝠算法流程 | 第51-52页 |
| 4.7 MBBA算法关联规则挖掘流程 | 第52页 |
| 4.8 MBBA关联规则挖掘算法优点 | 第52-53页 |
| 4.9 实验结果与分析 | 第53-62页 |
| 4.9.1 算法实验结果分析 | 第53-62页 |
| 4.9.2 各个算法运行时间分析 | 第62页 |
| 4.10小结 | 第62-64页 |
| 第五章 MBBA算法在钢材价格时间序列关联规则挖掘中的应用 | 第64-79页 |
| 5.1 钢材价格时间序列关联规则分析 | 第64-69页 |
| 5.1.1 时间序列关联规则 | 第64-65页 |
| 5.1.2 基于MBBA的时间序列关联规则挖掘流程 | 第65-66页 |
| 5.1.3 钢材价格时间序列数据预处理方法 | 第66-69页 |
| 5.2 基于BBA与MBBA算法的时间序列关联规则挖掘 | 第69-73页 |
| 5.2.1 数据选取与数据离散化预处理 | 第69-70页 |
| 5.2.2 时间窗.数据集 | 第70-71页 |
| 5.2.3 数据集二进制转化 | 第71-72页 |
| 5.2.4 基于MBBA的时间序列关联规则挖掘算法 | 第72-73页 |
| 5.2.5 算法参数设置与实验平台 | 第73页 |
| 5.3 实验结果与分析 | 第73-78页 |
| 5.4 小结 | 第78-79页 |
| 第六章 总结与展望 | 第79-82页 |
| 6.1 总结 | 第79-80页 |
| 6.2 展望 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第86-87页 |
| 作者在攻读硕士学位期间所作的项目 | 第87-88页 |
| 致谢 | 第88页 |
