| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-11页 |
| ·业务背景 | 第8-9页 |
| ·业务需求 | 第8页 |
| ·业务分析 | 第8-9页 |
| ·论文研究的主要内容和论文结构 | 第9-11页 |
| 第二章 概念与技术 | 第11-17页 |
| ·基本概念 | 第11-13页 |
| ·最小支持度和最小置信度 | 第11页 |
| ·概念/类描述、特征化和区分 | 第11页 |
| ·分类与预测 | 第11页 |
| ·聚类分析 | 第11-12页 |
| ·孤立点分析 | 第12页 |
| ·演变分析 | 第12页 |
| ·关联分析 | 第12-13页 |
| ·数据挖掘准备 | 第13-14页 |
| ·数据清理 | 第13页 |
| ·数据集成与选择 | 第13页 |
| ·数据变换 | 第13-14页 |
| ·数据挖掘方法 | 第14-16页 |
| ·关联规则的Apriori算法及频繁模式增长（FP-growth）算法 | 第14页 |
| ·遗传算法 | 第14-15页 |
| ·决策树方法 | 第15页 |
| ·粗集方法 | 第15页 |
| ·神经网络方法 | 第15-16页 |
| ·统计分析方法 | 第16页 |
| ·模糊集方法 | 第16页 |
| ·模式评估 | 第16页 |
| ·知识表示 | 第16-17页 |
| 第三章 数据预处理 | 第17-22页 |
| ·数据提取 | 第17页 |
| ·数据清理 | 第17-18页 |
| ·数据离散化 | 第18-21页 |
| ·本系统数据离散化方案的选取 | 第21-22页 |
| 第四章 并行挖掘方法研究 | 第22-34页 |
| ·基于矩阵理论 | 第22-24页 |
| ·奇偶频繁项目集并行挖掘 | 第24页 |
| ·PFP-growth算法 | 第24-25页 |
| ·EVE CAN算法 | 第25-26页 |
| ·一种FP树的并行挖掘算法（FPTDP） | 第26-34页 |
| 第五章 增量挖掘方法研究 | 第34-45页 |
| ·FUP (Fast Update)算法 | 第34-35页 |
| ·FUP2 算法 | 第35页 |
| ·一种有效的关联规则增量式更新算法 | 第35-36页 |
| ·基于前缀广义表的关联规则增量式更新算法 | 第36页 |
| ·一种基于字典树(Dict-Tree)的关联规则增量挖掘算法DTARIDMA | 第36-45页 |
| ·定义 | 第37-38页 |
| ·DTARIDMA算法的数据结构 | 第38页 |
| ·字典树（Dict-Tree）的形成过程 | 第38-39页 |
| ·字典频繁树（Dict- Fptree）的形成过程 | 第39页 |
| ·DTARIDMA算法描述 | 第39-42页 |
| ·DTARIDMA算法说明 | 第42-45页 |
| 第六章 DTARIDMA实验结果及分析 | 第45-48页 |
| 第七章 总结与进一步工作 | 第48-49页 |
| ·本论文研究工作的总结 | 第48页 |
| ·进一步工作 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 作者简介 | 第52页 |
