| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-10页 |
| ·选题背景及研究意义 | 第7页 |
| ·主要研究问题及国内外发展现状 | 第7-9页 |
| ·本文主要工作 | 第9-10页 |
| 第二章 关联规则挖掘算法研究 | 第10-25页 |
| ·基本概念 | 第10-11页 |
| ·关联规则的种类 | 第11-12页 |
| ·经典Apriori关联规则挖掘算法 | 第12-14页 |
| ·产生频繁项集 | 第12-14页 |
| ·产生关联规则 | 第14页 |
| ·Apriori的改进算法 | 第14-15页 |
| ·基于散列(Hash)的方法 | 第14-15页 |
| ·基于数据分割(Partition)的方法 | 第15页 |
| ·基于采样(Sampling)的方法 | 第15页 |
| ·减少交易的个数 | 第15页 |
| ·基于FP-tree的关联规则挖掘算法FP-Growth | 第15-17页 |
| ·多层关联规则挖掘 | 第17-18页 |
| ·多维关联规则挖掘 | 第18-19页 |
| ·关联规则价值衡量的方法 | 第19-20页 |
| ·系统客观层面 | 第19页 |
| ·用户主观层面 | 第19-20页 |
| ·三种频繁项集挖掘算法研究 | 第20-25页 |
| ·完全频繁项集挖掘算法 | 第20-21页 |
| ·频繁闭项集挖掘算法 | 第21-22页 |
| ·最大频繁项集挖掘算法 | 第22-25页 |
| 第三章 三种频繁项集挖掘算法与分析 | 第25-43页 |
| ·TD处理 | 第25-29页 |
| ·相关知识 | 第25-26页 |
| ·TD处理流程 | 第26-29页 |
| ·基于TD处理事务数据表的完全频繁项集挖掘算法 | 第29-34页 |
| ·基于TD处理事务数据表的完全频繁项集挖掘算法流程 | 第30-34页 |
| ·基于TD处理事务数据表的完全频繁项集挖掘算法分析 | 第34页 |
| ·基于TD处理事务数据表的频繁闭项集挖掘算法 | 第34-38页 |
| ·相关知识 | 第34-36页 |
| ·基于TD处理事务数据表的频繁闭项集挖掘算法流程 | 第36-38页 |
| ·基于TD处理事务数据表的频繁闭项集挖掘算法分析 | 第38页 |
| ·基于TD处理事务数据表的最大频繁项集挖掘算法 | 第38-41页 |
| ·相关知识 | 第38-39页 |
| ·基于TD处理事务数据表的最大频繁项集挖掘算法流程 | 第39-41页 |
| ·基于TD处理事务数据表的最大频繁项集挖掘算法分析 | 第41页 |
| ·本章小结 | 第41-43页 |
| 第四章 关联规则删剪技术研究 | 第43-54页 |
| ·多种删剪技术比较研究 | 第44-47页 |
| ·兴趣度 | 第44-45页 |
| ·相关性 | 第45页 |
| ·作用度 | 第45页 |
| ·提升率 | 第45-47页 |
| ·约束性 | 第47页 |
| ·多种删剪技术应用分析 | 第47-52页 |
| ·相关内容研究 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 关联规则挖掘技术的应用 | 第54-67页 |
| ·基于TD处理事务数据表的频繁项集挖掘算法应用 | 第54-64页 |
| ·基于TD处理事务数据表的最大频繁项集挖掘算法应用 | 第54-58页 |
| ·基于TD处理事务数据表的频繁闭项集挖掘算法应用 | 第58-62页 |
| ·基于TD处理事务数据表的完全频繁项集挖掘算法应用 | 第62-63页 |
| ·与FP-Growth算法比较 | 第63-64页 |
| ·算法分析 | 第64-65页 |
| ·关联规则的应用 | 第65-67页 |
| ·关联规则的挖掘过程 | 第65页 |
| ·关联规则挖掘结果的指导作用 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 发表论文和参加科研情况说明 | 第74-75页 |
| 致谢 | 第75页 |
