| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 论文研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 量化关联规则研究现状 | 第11-12页 |
| 1.2.2 客观兴趣度研究现状 | 第12页 |
| 1.2.3 关联规则物流应用现状 | 第12-13页 |
| 1.3 创新性工作 | 第13-14页 |
| 1.4 论文结构 | 第14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 数据挖掘理论综述 | 第15-22页 |
| 2.1 引言 | 第15页 |
| 2.2 数据挖掘的起源与概念 | 第15-16页 |
| 2.3 数据挖掘任务 | 第16-19页 |
| 2.3.1 分类和回归 | 第16-18页 |
| 2.3.2 聚类分析 | 第18-19页 |
| 2.3.3 关联分析 | 第19页 |
| 2.4 数据挖掘建模过程 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 关联规则算法分析 | 第22-30页 |
| 3.1 关联规则概述 | 第22-23页 |
| 3.2 Apriori 算法 | 第23-26页 |
| 3.3 频繁项集紧凑表示 | 第26-28页 |
| 3.3.1 极大频繁项集 | 第26页 |
| 3.3.2 闭频繁项集 | 第26-28页 |
| 3.4 算法优缺点分析 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 基于聚类的量化关联规则算法 | 第30-41页 |
| 4.1 引言 | 第30-31页 |
| 4.2 量化关联规则现状 | 第31-32页 |
| 4.3 基于聚类的量化关联规则 | 第32-34页 |
| 4.4 量化关联规则算法实例 | 第34-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 关联规则客观兴趣度度量研究 | 第41-52页 |
| 5.1 引言 | 第41-42页 |
| 5.2 传统客观兴趣度度量的描述 | 第42-45页 |
| 5.2.1 支持度 | 第43-44页 |
| 5.2.2 置信度 | 第44页 |
| 5.2.3 PS 度量 | 第44页 |
| 5.2.4 提升度(lift度量) | 第44-45页 |
| 5.2.5 匹配度 Match | 第45页 |
| 5.2.6 h 置信度 | 第45页 |
| 5.3 新型客观性度量的描述 | 第45-48页 |
| 5.3.1 相关度 | 第46页 |
| 5.3.2 熵和互信息 | 第46-47页 |
| 5.3.3 构造基于Newrelevancy和NewI的度量框架 | 第47-48页 |
| 5.4 客观兴趣度度量分析比较 | 第48-50页 |
| 5.4.1 样本数据 | 第48-49页 |
| 5.4.2 客观度量值 | 第49页 |
| 5.4.3 结果分析 | 第49-50页 |
| 5.5 本章小结 | 第50-52页 |
| 第六章 基于关联规则的改进库存管理方法 | 第52-66页 |
| 6.1 引言 | 第52-53页 |
| 6.2 ABC分类法 | 第53-54页 |
| 6.3 改进ABC分类算法 | 第54-62页 |
| 6.3.1 计算交叉销售效果系数 | 第56-57页 |
| 6.3.2 金额占用区间比较 | 第57-58页 |
| 6.3.3 多项集规则处理 | 第58-59页 |
| 6.3.4 改进算法结构 | 第59-62页 |
| 6.4 算法实例 | 第62-65页 |
| 6.5 本章小结 | 第65-66页 |
| 第七章 论文总结与展望 | 第66-68页 |
| 7.1 总结 | 第66页 |
| 7.2 展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |