大数据下关联和分类的研究及其部分实现
| 摘要 | 第7-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 主要研究内容及创新之处 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 第2章 关联和分类相关技术 | 第14-32页 |
| 2.1 关联规则相关技术 | 第14-21页 |
| 2.1.1 Apriori算法 | 第15-17页 |
| 2.1.2 FP-growth算法 | 第17-21页 |
| 2.2 分类算法相关技术 | 第21-27页 |
| 2.2.1 kNN算法 | 第22-23页 |
| 2.2.2 决策树算法 | 第23-27页 |
| 2.3 关联分类算法相关技术 | 第27-31页 |
| 2.3.1 CMAR算法 | 第28-29页 |
| 2.3.2 LAC算法 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 一种基于二次学习的关联分类算法 | 第32-46页 |
| 3.1 CBA算法 | 第32-33页 |
| 3.2 基于CBA算法的分析 | 第33-35页 |
| 3.2.1 算法存在的问题 | 第33-34页 |
| 3.2.2 算法实现的关键代码 | 第34-35页 |
| 3.3 二次学习关联分类算法相关问题引入 | 第35-36页 |
| 3.4 改进的二次学习关联分类算法 | 第36-39页 |
| 3.5 改进算法的实例数据验证 | 第39-40页 |
| 3.6 实验与分析 | 第40-45页 |
| 3.6.1 实验环境与数据 | 第40-41页 |
| 3.6.2 实验预处理方法 | 第41-43页 |
| 3.6.3 验证手段与指标 | 第43页 |
| 3.6.4 实验结果与分析 | 第43-45页 |
| 3.7 本章小结 | 第45-46页 |
| 第4章 一种加权的关联分类算法 | 第46-58页 |
| 4.1 不平衡数据问题引入 | 第46-47页 |
| 4.2 改进的加权关联分类算法 | 第47-49页 |
| 4.3 改进算法的实例数据验证 | 第49-52页 |
| 4.4 一种关联分类算法的优化方法 | 第52-55页 |
| 4.4.1 问题引入 | 第52-53页 |
| 4.4.2 关联分类算法的阶段性优化 | 第53-55页 |
| 4.5 实验与分析 | 第55-57页 |
| 4.5.1 实验数据 | 第55页 |
| 4.5.2 实验结果与分析 | 第55-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 在学期间主要科研成果 | 第68页 |
