| 论文独创性声明 | 第1页 |
| 论文使用授权声明 | 第2-3页 |
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第1章 知识发现和数据挖掘 | 第7-13页 |
| ·引言 | 第7页 |
| ·知识发现 | 第7-9页 |
| ·KDD处理过程 | 第8-9页 |
| ·数据挖掘技术 | 第9-13页 |
| ·数据挖掘常用的技术 | 第9-11页 |
| ·数据挖掘所使用的主要方法 | 第11页 |
| ·数据挖掘算法评价标准 | 第11-12页 |
| ·数据挖掘的发展趋势 | 第12-13页 |
| 第2章 聚类分析概述及K-Means改进算法的介绍 | 第13-21页 |
| ·聚类分析介绍 | 第13-14页 |
| ·主要聚类方法的分类 | 第14页 |
| ·K-Means算法介绍 | 第14-16页 |
| ·K-Means算法具体描述 | 第15-16页 |
| ·K-Means算法的评估 | 第16页 |
| ·K-Means的改进算法-BLK-MEANS算法 | 第16-21页 |
| ·BLK-MEANS算法提出原因 | 第16页 |
| ·BLK-MEANS算法描述 | 第16-19页 |
| ·BLK-MEANS算法分析 | 第19页 |
| ·BLK-MEANS算法的一个应用实例 | 第19-21页 |
| 第3章 关联规则及FP-Tree改进算法的介绍 | 第21-35页 |
| ·关联规则的基本概念 | 第21-23页 |
| ·关联规则典型应用 | 第21-22页 |
| ·关联规则的相关概念 | 第22-23页 |
| ·关联规则的经典算法 | 第23-26页 |
| ·Apriori算法介绍 | 第23-24页 |
| ·Apriori算法描述 | 第24-25页 |
| ·Apriori算法的不足 | 第25-26页 |
| ·FP-growth算法 | 第26-31页 |
| ·频繁模式树(Frequent Pattern Tree) | 第26-27页 |
| ·FP-Tree的构造算法 | 第27-29页 |
| ·用FP-Tree挖掘频繁模式 | 第29-31页 |
| ·BMFP算法的提出 | 第31-35页 |
| ·位图介绍 | 第32-33页 |
| ·BMFP算法的设计思想 | 第33页 |
| ·BMFP算法分析 | 第33-35页 |
| 第4章 QD-Minner挖掘系统的设计 | 第35-53页 |
| ·项目背景介绍 | 第35-37页 |
| ·研究目标 | 第36页 |
| ·研究内容 | 第36-37页 |
| ·系统的总体设计目标 | 第37-38页 |
| ·系统开发工具 | 第37-38页 |
| ·QD-Minner挖掘对象的特殊性以及挖掘结果的处理 | 第38-39页 |
| ·QD-Minner的系统结构 | 第39-40页 |
| ·QD-Minner挖掘系统的数据预处理与挖掘算法 | 第40-43页 |
| ·BLK-MEANS算法的系统实现 | 第40-41页 |
| ·BMFP算法的系统实现 | 第41-43页 |
| ·QD-Minner的实现 | 第43-53页 |
| ·QD-Minner的挖掘过程 | 第43-44页 |
| ·QD-Minner的界面展现 | 第44-53页 |
| 第5章 QD-Minner对外高桥设备状态监测数据进行挖掘的模式评估 | 第53-58页 |
| ·数据来源 | 第53页 |
| ·不同的预处理对挖掘结果的影响 | 第53-54页 |
| ·选择不同的支持度,不同的置信度对挖掘的影响 | 第54-56页 |
| ·对一次挖掘结果的分析和解释 | 第56-57页 |
| ·挖掘模型的意义 | 第57-58页 |
| 结束语 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
