| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景、目的和意义 | 第10-12页 |
| 1.1.1 课题背景 | 第10-12页 |
| 1.1.2 课题目的与意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 频繁项集挖掘的研究 | 第12-14页 |
| 1.2.2 高效用项集挖掘的研究 | 第14-16页 |
| 1.2.3 研究现状总结 | 第16页 |
| 1.3 课题研究目标与内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 第2章 相关理论和基础知识 | 第18-24页 |
| 2.1 关联规则挖掘经典问题 | 第18页 |
| 2.2 关联规则的预备知识 | 第18-20页 |
| 2.3 高效用项集挖掘的预备知识 | 第20-22页 |
| 2.4 粒子群优化算法 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 融合“前缀树”和“效用列表”挖掘 | 第24-34页 |
| 3.1 事务加权效用和“效用列表”结构 | 第24-27页 |
| 3.1.1 事务加权效用 | 第24-25页 |
| 3.1.2 效用列表 | 第25-27页 |
| 3.2 融合“前缀树”和“效用列表”的高效用项集挖掘算法 | 第27-33页 |
| 3.2.1 算法设计 | 第27-29页 |
| 3.2.2 算法演示 | 第29-30页 |
| 3.2.3 子算法描述 | 第30-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 基于改进的粒子群优化算法挖掘 | 第34-45页 |
| 4.1 事务的表示、项集的修剪及种群的初始化 | 第34-38页 |
| 4.1.1 事务数据库的位图表示法 | 第34-35页 |
| 4.1.2 项集的修剪策略 | 第35-36页 |
| 4.1.3 种群的初始化 | 第36-38页 |
| 4.2 基于改进的粒子群优化的高效用项集挖掘算法 | 第38-44页 |
| 4.2.1 算法流程 | 第38-39页 |
| 4.2.2 算法设计 | 第39-42页 |
| 4.2.3 算法演示 | 第42-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第5章 实验结果与分析 | 第45-54页 |
| 5.1 实验环境配置及编程语言 | 第45页 |
| 5.2 实验数据集 | 第45-46页 |
| 5.3 融合“前缀树”和“效用列表”挖掘算法的对比实验 | 第46-50页 |
| 5.3.1 真实数据集上的实验 | 第46-49页 |
| 5.3.2 合成数据集上的实验 | 第49-50页 |
| 5.3.3 实验小结 | 第50页 |
| 5.4 基于改进的粒子群优化挖掘算法的对比实验 | 第50-53页 |
| 5.4.1 挖掘出的高效用项集数量 | 第50-52页 |
| 5.4.2 挖掘高效项集的收敛性 | 第52-53页 |
| 5.4.3 实验小结 | 第53页 |
| 5.5 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |