| 第一章 数据挖掘概述 | 第1-24页 |
| 1．1 引言 | 第11页 |
| 1．2 KDD的定义及发展方向 | 第11-14页 |
| 1．2．1 KDD的定义 | 第11-12页 |
| 1．2．2 KDD的发展及研究现状 | 第12-14页 |
| 1．3 KDD的处理过程 | 第14-16页 |
| 1．4 KDD的基本任务 | 第16-17页 |
| 1．5 KDD的常用方法 | 第17-21页 |
| 1．6 KDD的应用领域及发展前景 | 第21-23页 |
| 1．6．1 KDD的应用领域 | 第21-22页 |
| 1．6．2 KDD的发展前景和挑战 | 第22-23页 |
| 1．7 本文的内容组织 | 第23页 |
| 1．8 本章小结 | 第23-24页 |
| 第二章 关联规则挖掘基础 | 第24-33页 |
| 2．1 引言 | 第24页 |
| 2．2 关联规则的基本概念 | 第24-26页 |
| 2．2．1 关联规则的基本概念和问题描述 | 第24-25页 |
| 2．2．2 关联规则的分类 | 第25-26页 |
| 2．3 关联规则挖掘的算法分析 | 第26-32页 |
| 2．3．1 Apriori算法 | 第26-30页 |
| 2．3．2 其他关联规则挖掘算法简介 | 第30-32页 |
| 2．4 本章小结 | 第32-33页 |
| 第三章 关联规则的评价方法 | 第33-46页 |
| 3．1 引言 | 第33页 |
| 3．2 关联规则评价方法概述 | 第33-34页 |
| 3．2．1 客观评价 | 第33-34页 |
| 3．2．2 主观评价 | 第34页 |
| 3．3 对传统评价方法的改进 | 第34-45页 |
| 3．3．1 关联规则的客观兴趣度评价 | 第35-41页 |
| 3．3．3 关联规则的潜在有用性评价 | 第41-42页 |
| 3．3．4 关联规则的简洁性评价 | 第42-43页 |
| 3．3．5 基于约束的关联规则挖掘 | 第43页 |
| 3．3．6 基于客观度量和主观度量的综合评价方法 | 第43-45页 |
| 3．4 本章小结 | 第45-46页 |
| 第四章 基于可信度和兴趣度的支持度设置模型——BCLSS | 第46-58页 |
| 4．1 引言 | 第46-47页 |
| 4．2 传统的支持度——可信度模型所存在的问题及相关研究 | 第47-49页 |
| 4．2．1 传统模型所存在的问题 | 第47页 |
| 4．2．2 相关研究 | 第47-49页 |
| 4．3 自动的支持度闭值设置 | 第49-55页 |
| 4．3．1 相关概念 | 第49-50页 |
| 4．3．2 基于可信度的支持度阈值设置 | 第50-51页 |
| 4．3．3 基于可信度和兴趣度的支持度阈值设置 | 第51-55页 |
| 4．3．4 运用 BCLSS方法挖掘感兴趣的关联规则 | 第55页 |
| 4．4 关联规则评价方法的运用 | 第55-57页 |
| 4．5 本章小结 | 第57-58页 |
| 第五章 结束语 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间发表的论文 | 第64页 |
