| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-14页 |
| 1.1 选题背景及课题意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外现状 | 第10-11页 |
| 1.2.2 国内现状 | 第11-12页 |
| 1.3 研究的内容及论文结构 | 第12-14页 |
| 1.3.1 本文研究的内容 | 第12页 |
| 1.3.2 本文的结构 | 第12-14页 |
| 2 序列模式挖掘算法 | 第14-20页 |
| 2.1 序列模式挖掘概念及应用 | 第14页 |
| 2.2 序列模式挖掘算法 | 第14-17页 |
| 2.2.1 类Apriori算法 | 第15-16页 |
| 2.2.2 基于划分的模式生长算法 | 第16-17页 |
| 2.3 各种算法的优劣 | 第17-18页 |
| 2.3.1 算法的定性比较 | 第17-18页 |
| 2.3.2 算法的执行效率比较 | 第18页 |
| 2.4 各种算法的应用范围 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 3 公交车辆维修数据挖掘模型的构建 | 第20-25页 |
| 3.1 公交车辆维修数据的构成 | 第20-22页 |
| 3.2 公交车辆维修数据的特点 | 第22页 |
| 3.3 公交车辆维修数据挖掘模型要解决的问题 | 第22-23页 |
| 3.4 公交车辆维修数据挖掘模型构建 | 第23-24页 |
| 3.5 本章小结 | 第24-25页 |
| 4 公交车辆维修保养数据挖掘模型算法分析 | 第25-32页 |
| 4.1 Apriori算法思想及实现 | 第25-27页 |
| 4.2 Apriori算法实现的伪代码 | 第27-28页 |
| 4.3 Apriori算法进化：FP-Growth算法 | 第28-29页 |
| 4.4 FP-Growth算法实现步骤 | 第29-31页 |
| 4.5 本章小结 | 第31-32页 |
| 5 公交车辆维修数据挖掘模型的实现 | 第32-43页 |
| 5.1 问题定义 | 第32-33页 |
| 5.2 数据准备 | 第33-36页 |
| 5.3 数据选择 | 第36页 |
| 5.4 数据预处理 | 第36-37页 |
| 5.5 数据转换 | 第37-39页 |
| 5.6 数据挖掘 | 第39页 |
| 5.7 可视化模式规则 | 第39-40页 |
| 5.8 知识库生成 | 第40-41页 |
| 5.9 本章小结 | 第41-43页 |
| 6 结果评价 | 第43-47页 |
| 6.1 实验环境 | 第43页 |
| 6.2 数据集介绍 | 第43页 |
| 6.3 实验和结果分析 | 第43-46页 |
| 6.3.1 实验数据选择分析 | 第43-44页 |
| 6.3.2 算法运行效率分析 | 第44-45页 |
| 6.3.3 运行环境及算法的改进方向 | 第45-46页 |
| 6.4 模型评价及本章小结 | 第46-47页 |
| 7 总结与展望 | 第47-49页 |
| 7.1 本文总结 | 第47页 |
| 7.2 下一步工作 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-51页 |