| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| ·数据挖掘的兴起和国内外研究现状与水平 | 第8-9页 |
| ·数据挖掘综述 | 第9-16页 |
| ·数据挖掘的基本概念 | 第9-10页 |
| ·传统分析方法与数据挖掘的区别 | 第10页 |
| ·数据挖掘的对象 | 第10-12页 |
| ·数据挖掘的方法和过程 | 第12-13页 |
| ·数据挖掘的发现模式 | 第13-15页 |
| ·数据挖掘的应用领域 | 第15-16页 |
| ·本文研究内容 | 第16-18页 |
| 第二章 关联规则挖掘 | 第18-29页 |
| ·引言 | 第18页 |
| ·关联规则的基本概念 | 第18-22页 |
| ·关联规则挖掘的基本概念 | 第18-21页 |
| ·关联规则分类 | 第21-22页 |
| ·关联规则挖掘算法分析 | 第22-26页 |
| ·经典的关联规则挖掘算法—Apriori算法 | 第22-23页 |
| ·实例分析 | 第23-26页 |
| ·关联规则挖掘算法的优化技术 | 第26-29页 |
| ·基于散列的优化方法 | 第26-27页 |
| ·基于事务压缩的优化方法 | 第27页 |
| ·基于划分的优化方法 | 第27页 |
| ·基于采样的优化方法 | 第27页 |
| ·基于动态项集计数的优化方法 | 第27-29页 |
| 第三章 Apriori改进算法 | 第29-39页 |
| ·Apriori算法的特点及局限性 | 第29页 |
| ·算法优化技术 | 第29-31页 |
| ·二进制数垂直表示方法 | 第29-30页 |
| ·模式匹配 | 第30-31页 |
| ·支持度计数 | 第31页 |
| ·剪枝 | 第31页 |
| ·Apriori改进算法—Apriori-B算法 | 第31-39页 |
| ·算法描述 | 第31-33页 |
| ·Aprior-B算法示例说明 | 第33-35页 |
| ·用Visual Foxpro实现Apriori-B算法的方法 | 第35-37页 |
| ·实验结果 | 第37-38页 |
| ·结论 | 第38-39页 |
| 第四章 关联规则衡量标准研究 | 第39-53页 |
| ·衡量标准的不足 | 第39-40页 |
| ·问题分析 | 第40-41页 |
| ·兴趣度标准 | 第41-45页 |
| ·兴趣度的定义 | 第41-42页 |
| ·根据兴趣度将强关联规则分为三类 | 第42-43页 |
| ·算法描述 | 第43-44页 |
| ·实验结果 | 第44-45页 |
| ·有效度标准 | 第45-48页 |
| ·有效度的定义 | 第45-46页 |
| ·根据有效度将强关联规则分为三类 | 第46-47页 |
| ·算法描述 | 第47-48页 |
| ·实验结果 | 第48页 |
| ·综合评定度 | 第48-52页 |
| ·综合评定度的定义 | 第48-49页 |
| ·根据综合评定度将强关联规则分为三类 | 第49-51页 |
| ·算法描述 | 第51页 |
| ·实验结果 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 关联规则挖掘在教学质量评估系统中的应用研究 | 第53-60页 |
| ·教学质量评价系统的功能实现 | 第53-59页 |
| ·信息初始化 | 第53-54页 |
| ·数据采集 | 第54-55页 |
| ·数据预处理 | 第55-56页 |
| ·数据分析挖掘 | 第56-59页 |
| ·模式理解 | 第59-60页 |
| 第六章 结论与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间主要研究成果 | 第67页 |