| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-11页 |
| 1.1 研究的背景和意义 | 第8-10页 |
| 1.2 论文研究的主要内容和创新 | 第10页 |
| 1.3 论文组织结构 | 第10页 |
| 1.4 本章小结 | 第10-11页 |
| 2 数据挖掘相关知识 | 第11-28页 |
| 2.1 数据挖掘 | 第11-14页 |
| 2.1.1 数据挖掘概念描述 | 第11页 |
| 2.1.2 数据挖掘步骤和主要方法 | 第11-14页 |
| 2.2 聚类分析 | 第14-17页 |
| 2.2.1 聚类分析描述 | 第14-15页 |
| 2.2.2 聚类分析的主要方法 | 第15-16页 |
| 2.2.3 算法 K-Means | 第16-17页 |
| 2.3 关联规则 | 第17-24页 |
| 2.3.1 关联规则描述 | 第17-18页 |
| 2.3.2 关联规则有效性和实用性测度指标 | 第18-21页 |
| 2.3.3 算法 Apriori | 第21-24页 |
| 2.4 时间序列相关知识 | 第24-27页 |
| 2.4.1 时间序列定义 | 第24页 |
| 2.4.2 时间序列模式挖掘 | 第24-25页 |
| 2.4.3 算法 Sequence | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 基于滑动窗口聚类的时序关联规则挖掘算法 | 第28-46页 |
| 3.1 时间序列邻近性 | 第28-35页 |
| 3.2 时间序列符号化 | 第35-36页 |
| 3.2.1 滑动窗口 | 第35页 |
| 3.2.2 时间序列符号化 | 第35-36页 |
| 3.3 时间序列聚类 | 第36-37页 |
| 3.3.1 时间序列规范化 | 第36-37页 |
| 3.3.2 聚类 | 第37页 |
| 3.4 参数分析 | 第37页 |
| 3.5 时间序列相关新定义 | 第37-39页 |
| 3.5.1 时间序列 | 第37-38页 |
| 3.5.2 多时间序列 | 第38-39页 |
| 3.6 算法描述 | 第39-41页 |
| 3.7 实验仿真和结果分析 | 第41-44页 |
| 3.7.1 时间序列规则挖掘 | 第41-43页 |
| 3.7.2 多时间序列规则挖掘 | 第43-44页 |
| 3.8 本章小结 | 第44-46页 |
| 4 周期性关联规则挖掘算法 | 第46-54页 |
| 4.1 时间序列聚类 | 第46-47页 |
| 4.1.1 系统聚类 | 第46页 |
| 4.1.2 函数 MostOpti | 第46-47页 |
| 4.2 算法描述 | 第47-51页 |
| 4.3 实验结果和分析 | 第51-53页 |
| 4.3.1 基于条件的 FP-tree 树构建过程 | 第51-52页 |
| 4.3.2 基于 LERP-growth 算法的 LERP-tree 树构建过程 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 总结与展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录A 测试数据 | 第59-62页 |
| 附录B 基于滑动窗口聚类的时序关联规则挖掘算法核心源码 | 第62-68页 |
| 攻读学位期间的研究成果 | 第68页 |
