| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第一章 引言 | 第10-15页 |
| ·论文的研究背景与意义 | 第10-12页 |
| ·研究内容 | 第12-13页 |
| ·论文结构 | 第13-15页 |
| 第二章 数据挖掘及其关联规则概述 | 第15-29页 |
| ·数据挖掘的处理过程 | 第15-17页 |
| ·数据挖掘系统基本框架 | 第17-18页 |
| ·数据挖掘的相关技术 | 第18-20页 |
| ·关联规则的定义及相关名词介绍 | 第20-22页 |
| ·关联规则的性质 | 第22-23页 |
| ·关联规则的挖掘步骤及应注意的问题 | 第23-24页 |
| ·关联规则挖掘算法分类 | 第24-26页 |
| ·关联规则的研究现状 | 第26-28页 |
| ·关联规则挖掘的未来趋势 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第三章 关联规则挖掘算法分析 | 第29-44页 |
| ·APRIORI 算法 | 第29-34页 |
| ·Apriori 算法基本思想 | 第29-30页 |
| ·Apriori 算法范例 | 第30-32页 |
| ·Apriori 核心算法描述 | 第32-33页 |
| ·Apriori 算法的特点 | 第33页 |
| ·Apriori 算法的不足之处 | 第33-34页 |
| ·APRIORI 算法的现有改进 | 第34-43页 |
| ·Partition 算法 | 第34-36页 |
| ·Sampling 算法 | 第36-37页 |
| ·DHP 算法 | 第37-39页 |
| ·DIC 算法 | 第39-40页 |
| ·Pincer-Search 算法 | 第40-41页 |
| ·MPH 算法 | 第41-42页 |
| ·FP-growth 算法 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 APRIORI 算法改进 | 第44-92页 |
| ·APRIORIMEND算法 | 第44-77页 |
| ·AprioriMend 算法设计思路 | 第44-61页 |
| ·AprioriMend 算法分析 | 第61-69页 |
| ·AprioriMend 算法举例说明 | 第69-71页 |
| ·Apriori 算法和AprioriMend 算法评估 | 第71页 |
| ·AprioriMend 算法复杂性分析 | 第71-73页 |
| ·AprioriMend 算法实验分析 | 第73-77页 |
| ·PS 算法 | 第77-90页 |
| ·几个相关概念 | 第77-78页 |
| ·PS 算法描述 | 第78-80页 |
| ·PS 算法中交易记录拆解过程 | 第80-81页 |
| ·PS 算法完整实例说明 | 第81-83页 |
| ·PS 算法的渐进式挖掘 | 第83-85页 |
| ·PS 算法的敏感性数据挖掘 | 第85-86页 |
| ·PS 算法与Apriori 算法比较 | 第86-88页 |
| ·PS 算法实验分析 | 第88-90页 |
| ·PS 算法的限制 | 第90页 |
| ·本章小结 | 第90-92页 |
| 第五章 PS 算法在招生决策中的应用 | 第92-98页 |
| ·实验数据描述 | 第92-93页 |
| ·入学成绩 | 第92页 |
| ·在学成绩 | 第92-93页 |
| ·数据预处理 | 第93-96页 |
| ·用PS 算法寻找频繁项集 | 第96页 |
| ·挖掘结果分析 | 第96-97页 |
| ·本章小结 | 第97-98页 |
| 第六章 总结 | 第98-101页 |
| ·结论 | 第98-100页 |
| ·进一步讨论 | 第100-101页 |
| 参考文献 | 第101-107页 |
| 攻读学位期间公开发表的论文 | 第107-108页 |
| 致谢 | 第108-109页 |
| 附录 | 第109-113页 |
| 详细摘要 | 第113-116页 |