| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题的研究意义及概述 | 第8页 |
| 1.2 数据挖掘技术研究背景 | 第8-9页 |
| 1.3 数据挖掘概述 | 第9-11页 |
| 1.3.1 数据挖掘的需求与挑战 | 第9-10页 |
| 1.3.2 数据挖掘技术的分类 | 第10-11页 |
| 1.4 数据挖掘的应用 | 第11-12页 |
| 1.5 国内外研究现状 | 第12-14页 |
| 1.5.1 国外研究现状 | 第12-13页 |
| 1.5.2 国内研究现状 | 第13-14页 |
| 1.6 数据挖掘中的不确定性 | 第14-15页 |
| 1.7 文章主要内容结构 | 第15-16页 |
| 第2章 关联规则挖掘及数据的聚类 | 第16-22页 |
| 2.1 关联规则提出的背景 | 第16页 |
| 2.2 关联规则的概念、定义与分类 | 第16-17页 |
| 2.2.1 关联规则的定义 | 第16-17页 |
| 2.2.2 关联规则的常见分类 | 第17页 |
| 2.3 关联规则的主要应用领域 | 第17-18页 |
| 2.4 关联规则挖掘的基本步骤 | 第18-19页 |
| 2.4.1 关联规则价值的衡量方法 | 第19页 |
| 2.5 关联规则相关研究概述 | 第19-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第3章 数据的聚类分析 | 第22-34页 |
| 3.1 聚类分析的特征及任务 | 第22页 |
| 3.2 数据的聚类分析 | 第22-23页 |
| 3.3 聚类算法的性能度量 | 第23-25页 |
| 3.4 K-means算法 | 第25-26页 |
| 3.5 DBSCAN算法 | 第26-28页 |
| 3.6 K-means算法与DBSCAN算法的比较实验 | 第28-33页 |
| 3.7 本章小结 | 第33-34页 |
| 第4章 Apriori等关联规则挖掘算法 | 第34-50页 |
| 4.1 关联规则挖掘中的购物篮分析 | 第34-35页 |
| 4.2 Apriori相关算法 | 第35-38页 |
| 4.2.1 Apriori算法 | 第35-37页 |
| 4.2.2 AprioriTid算法 | 第37-38页 |
| 4.2.3 AprioriHybrid算法 | 第38页 |
| 4.3 FP-Growth算法 | 第38-43页 |
| 4.4 Apriori算法与FP-Growth算法对比实验 | 第43-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 KMS-Apriori在网页推荐中的应用 | 第50-57页 |
| 5.1 网页推荐概述 | 第50页 |
| 5.2 基于KMS-Apriori的网页推荐方法 | 第50-53页 |
| 5.2.1 基于关联规则的推荐方法 | 第50-51页 |
| 5.2.2 基于聚类的推荐方法 | 第51-52页 |
| 5.2.3 基于KMS-Apriori的推荐方法 | 第52-53页 |
| 5.3 基于KMS-Apriori推荐算法的评价标准及性能测试 | 第53-56页 |
| 5.3.1 推荐质量评价 | 第53页 |
| 5.3.2 测试数据集和测试方法 | 第53-54页 |
| 5.3.3 实验结果 | 第54-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 工作总结 | 第57页 |
| 6.2 工作展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录 | 第63页 |
