| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-12页 |
| ·课题背景 | 第9-10页 |
| ·数据挖掘技术相关算法的概念及核心 | 第10-11页 |
| ·论文结构 | 第11-12页 |
| 第二章 数据挖掘与关联规则技术概述 | 第12-27页 |
| ·数据挖掘基础知识 | 第12-15页 |
| ·数据挖掘技术的定义 | 第12-13页 |
| ·数据挖掘的流程 | 第13-14页 |
| ·数据挖掘承担的任务 | 第14-15页 |
| ·关联规则挖掘基础知识 | 第15-27页 |
| ·关联规则的定义 | 第17-18页 |
| ·关联规则挖掘的基本名词释意 | 第18-20页 |
| ·关联规则挖掘的基本步骤 | 第20-24页 |
| ·关联规则算法的种类及国内外基本应用现状 | 第24-27页 |
| 第三章 Apriori算法及本文对其改进的动因及思路 | 第27-38页 |
| ·Apriori算法 | 第27-33页 |
| ·Apriori算法的基本思想 | 第27-29页 |
| ·Apriori算法核心分析 | 第29-30页 |
| ·Apriori核心算法实例 | 第30-32页 |
| ·可视化关联规则实例 | 第32-33页 |
| ·本文对Apriori算法的新改进 | 第33-38页 |
| ·Apriori算法的主要缺陷 | 第33-34页 |
| ·目前流行的几种Apriori算法改进方式 | 第34-36页 |
| ·本文对“经典的”Apriori算法继续进行改进的动因 | 第36页 |
| ·本文对Apriori算法继续进行改进的新思路 | 第36-38页 |
| 第四章 基于USI及项集相关重要性的Apriori改进算法 | 第38-47页 |
| ·依感兴趣阈值(USI)及项集相关重要性对Apriori进行改进 | 第38-39页 |
| ·算法改进的几个关键点 | 第39-42页 |
| ·用户感兴趣项目集的产生 | 第39-40页 |
| ·项集相关重要性 | 第40-41页 |
| ·设计支持度函数 | 第41-42页 |
| ·改进算法流程 | 第42-44页 |
| ·改进型算法的基本特点 | 第44-45页 |
| ·改进型算法的伪代码形式化描述 | 第45-47页 |
| 第五章 仿真实验设计与分析 | 第47-62页 |
| ·数据结构与实验设计说明 | 第47-52页 |
| ·数据结构定义 | 第47-48页 |
| ·实验设计说明 | 第48-52页 |
| ·实验的程序实现 | 第52-57页 |
| ·程序说明 | 第52-54页 |
| ·实验程序实现 | 第54-57页 |
| ·改进型算法的性能比较与分析 | 第57-60页 |
| ·改进型算法相对FP-growth算法在时间性能上的比较 | 第57-59页 |
| ·改进后的算法相对于经典Apriori算法在空间性能上的改进 | 第59-60页 |
| ·对于本文所提出的改进算法的结论 | 第60-62页 |
| 结语 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65页 |
