| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-19页 |
| ·前言 | 第13页 |
| ·课题的意义 | 第13-17页 |
| ·数据挖掘的研究现状 | 第14-15页 |
| ·关联规则的国内外应用 | 第15页 |
| ·数据挖掘面临的挑战 | 第15-16页 |
| ·Apriori算法的不足 | 第16-17页 |
| ·论文的主要工作 | 第17页 |
| ·论文的安排 | 第17-19页 |
| 第2章 关联规则概述 | 第19-32页 |
| ·关联规则的基本概念 | 第19-22页 |
| ·关联规则的问题提出 | 第19-20页 |
| ·关联规则的一些定义 | 第20-21页 |
| ·关联规则挖掘步骤 | 第21-22页 |
| ·关联规则的种类 | 第22-24页 |
| ·挖掘关联规则的算法 | 第24-25页 |
| ·Apriori算法 | 第24页 |
| ·FP-growth算法 | 第24页 |
| ·AIS和SETM算法 | 第24-25页 |
| ·DHP 算法 | 第25页 |
| ·基于划分的算法 | 第25页 |
| ·Apriori算法 | 第25-31页 |
| ·Apriori算法的描述 | 第25-26页 |
| ·Apriori算法基本思路及示例 | 第26-29页 |
| ·关联规则价值衡量的方法 | 第29-30页 |
| ·Apriori算法的技术缺陷 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 Apriori的分析与改进 | 第32-45页 |
| ·减少事务数据数量 | 第32-34页 |
| ·问题的描述 | 第32页 |
| ·具体的解决措施 | 第32-34页 |
| ·性能评价 | 第34页 |
| ·减少扫描事务数据库次数 | 第34-38页 |
| ·问题的描述 | 第34页 |
| ·传统解决方案 | 第34-35页 |
| ·本论文的具体解决措施 | 第35-37页 |
| ·性能分析 | 第37-38页 |
| ·提高关联规则的有效性 | 第38-42页 |
| ·一种关联规则有趣度的提高 | 第38页 |
| ·减少冗余的关联规则 | 第38-39页 |
| ·产生含否定项的关联规则 | 第39-40页 |
| ·提高在引入兴趣度度量后挖掘效率 | 第40-42页 |
| ·算法改进前后的效率对比 | 第42-44页 |
| ·实验数据 | 第42页 |
| ·传统Apriori算法与改进后的算法性能比较实验 | 第42-44页 |
| ·实验结果的分析与评价 | 第44页 |
| ·本章小结 | 第44-45页 |
| 第4章 改进后的Apriori进行关联规则挖掘的系统设计 | 第45-54页 |
| ·系统开发平台 | 第45页 |
| ·系统概述 | 第45-46页 |
| ·数据预处理实现 | 第46-49页 |
| ·为什么要预处理数据 | 第46页 |
| ·数据清理(Data Cleaning) | 第46-47页 |
| ·用户识别(User Identification) | 第47-48页 |
| ·会话识别(Identify User Session) | 第48-49页 |
| ·产生频繁项集的实现以及使用技术 | 第49-50页 |
| ·关联规则生成 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 实验结果分析 | 第54-56页 |
| ·实验结果分析 | 第54-55页 |
| ·网站改进建议 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-57页 |
| 本文总结 | 第56页 |
| 未来工作展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61-62页 |
| 详细摘要 | 第62-66页 |
