| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·本文的研究内容 | 第9-10页 |
| ·论文的结构安排 | 第10-11页 |
| 第二章 数据挖掘概述 | 第11-17页 |
| ·数据挖掘的定义 | 第11-12页 |
| ·数据挖掘的过程 | 第12页 |
| ·数据挖掘的任务 | 第12-14页 |
| ·数据挖掘的对象 | 第14页 |
| ·数据挖掘的方法 | 第14-16页 |
| ·数据挖掘的发展趋势 | 第16-17页 |
| 第三章 关联规则挖掘 | 第17-27页 |
| ·关联规则的基本概念 | 第17-19页 |
| ·问题定义 | 第17-18页 |
| ·关联规则的分类 | 第18-19页 |
| ·关联规则挖掘的经典算法 | 第19-27页 |
| ·Apriori算法 | 第19-23页 |
| ·基于Apriori的改进算法 | 第23-24页 |
| ·FP-growth算法 | 第24-27页 |
| 第四章 一种新的事务数据库参考参数与FP-Tree结构分析 | 第27-39页 |
| ·事务数据库数据项分布性质的判定参数——关联聚集度 | 第27-31页 |
| ·关联聚集度的确定 | 第31-32页 |
| ·自定义数据结构 | 第32-35页 |
| ·时间效率优先的数据结构重组织 | 第33-34页 |
| ·空间存储优先的数据结构重组织 | 第34-35页 |
| ·经典FP-Tree的数据结构分析 | 第35-39页 |
| 第五章 改进的建树稠密的事务数据库挖掘算法 | 第39-49页 |
| ·FP-Tree的前缀性质 | 第39-41页 |
| ·时间效率优先的DFP-Tree构造 | 第41-42页 |
| ·算法示例 | 第42-44页 |
| ·实验设计及结果分析 | 第44-49页 |
| 第六章 改进的大型事务数据库关联规则挖掘算法 | 第49-59页 |
| ·条件FP-Tree分析及基于条件FP-Tree的结构分解 | 第49-50页 |
| ·算法示例 | 第50-53页 |
| ·实验实际及结果分析 | 第53-56页 |
| ·算法优缺点及关联规则挖掘流程总结 | 第56-59页 |
| 第七章 总结及展望 | 第59-61页 |
| ·本文工作总结 | 第59-60页 |
| ·进一步研究方向 | 第60-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-65页 |
