一种基于动态排序的最大频繁项集挖掘算法
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-18页 |
| ·数据挖掘背景技术概述 | 第8-15页 |
| ·数据挖掘技术的兴起 | 第8-9页 |
| ·数据挖掘技术的定义及方法 | 第9-11页 |
| ·数据挖掘的过程和应用 | 第11-14页 |
| ·数据挖掘技术面临的主要挑战 | 第14-15页 |
| ·论文的工作 | 第15页 |
| ·本文的组织结构 | 第15-18页 |
| 2 关联规则挖掘概述 | 第18-30页 |
| ·关联规则挖掘 | 第18-22页 |
| ·关联规则挖掘的基本概念 | 第18-20页 |
| ·关联规则的分类 | 第20-21页 |
| ·关联规则的挖掘方法 | 第21-22页 |
| ·关联规则挖掘的研究现状 | 第22页 |
| ·频繁项集挖掘相关工作 | 第22-28页 |
| ·完全频繁项集挖掘算法 | 第23-25页 |
| ·频繁闭项集挖掘算法 | 第25-26页 |
| ·最大频繁项集挖掘算法 | 第26-28页 |
| ·小结 | 第28-30页 |
| 3 最大频繁项集挖掘问题分析 | 第30-48页 |
| ·搜索策略 | 第30-36页 |
| ·基于项集格的搜索 | 第31-34页 |
| ·基于集合枚举树的搜索 | 第34-36页 |
| ·数据结构 | 第36-44页 |
| ·水平数据分布 | 第36-38页 |
| ·垂直数据分布 | 第38-40页 |
| ·FP-TREE 结构 | 第40-43页 |
| ·有向项集图 | 第43页 |
| ·小结 | 第43-44页 |
| ·剪枝策略 | 第44-47页 |
| ·基本剪枝策略 | 第44-45页 |
| ·前瞻剪枝 | 第45页 |
| ·逐步聚焦策略 | 第45-46页 |
| ·动态重排序策略 | 第46页 |
| ·父等价剪枝技术 | 第46页 |
| ·扩展支持度相等性剪枝 | 第46-47页 |
| ·子集等价剪枝技术 | 第47页 |
| ·小结 | 第47-48页 |
| 4 动态排序的最大频繁项集挖掘算法 | 第48-66页 |
| ·FPMax 算法介绍 | 第48-50页 |
| ·问题阐述 | 第50-53页 |
| ·选择MPDR 排序的关键模式 | 第53-61页 |
| ·探寻过程 | 第53-59页 |
| ·关键模式的选择 | 第59-60页 |
| ·动态重排序 | 第60-61页 |
| ·超集判定 | 第61页 |
| ·MPDR 算法描述 | 第61-62页 |
| ·试验比较 | 第62-64页 |
| ·小结 | 第64-66页 |
| 5 基于最大频繁项集挖掘算法商业系统应用 | 第66-80页 |
| ·城市一卡通业务领域信息 | 第66页 |
| ·系统分析 | 第66-67页 |
| ·总体结构设计 | 第67-68页 |
| ·数据仓库主题分析 | 第68-69页 |
| ·数据仓库模型设计 | 第69-70页 |
| ·确立度量 | 第69页 |
| ·确实事实数据粒度 | 第69页 |
| ·维度和维层设计 | 第69-70页 |
| ·事实表设计 | 第70页 |
| ·数据预处理 | 第70-72页 |
| ·ETL 的处理策略 | 第70-71页 |
| ·ETL 过程 | 第71-72页 |
| ·一卡通数据多维分析 | 第72-73页 |
| ·确立分析主题 | 第72页 |
| ·多维数据建模 | 第72-73页 |
| ·最大频繁项集挖掘 | 第73-75页 |
| ·数据预处理 | 第74页 |
| ·挖掘展示 | 第74-75页 |
| ·结果分析 | 第75-78页 |
| ·多维数据分析 | 第75-77页 |
| ·最大频繁项集挖掘结果 | 第77-78页 |
| ·本章总结 | 第78-80页 |
| 6 总结与展望 | 第80-82页 |
| ·本文工作总结 | 第80页 |
| ·后续研究内容展望 | 第80-82页 |
| 致谢 | 第82-84页 |
| 参考文献 | 第84-88页 |
| 附录 | 第88页 |
| A. 作者在攻读学位期间发表的论文目录 | 第88页 |
| B. 作者在攻读学位期间取得的科研成果目录 | 第88页 |
