关联规则算法及度量方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·数据挖掘概述 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·数据挖掘应用领域与前景 | 第10-11页 |
| ·选题科学意义 | 第11页 |
| ·本文主要工作与论文组织 | 第11-13页 |
| 2 关联规则概述 | 第13-21页 |
| ·基本概念 | 第13-15页 |
| ·挖掘步骤 | 第15页 |
| ·关联规则分类 | 第15-16页 |
| ·关联规则评价方法 | 第16-18页 |
| ·挖掘过程中应该注意的问题 | 第18-19页 |
| ·本章小结 | 第19-21页 |
| 3 关联规则算法研究 | 第21-45页 |
| ·Apriori算法 | 第21-32页 |
| ·算法思想 | 第21-22页 |
| ·算法描述 | 第22-23页 |
| ·算法示例 | 第23-26页 |
| ·算法改进 | 第26-32页 |
| ·FP-Growth算法 | 第32-42页 |
| ·算法思想 | 第33-34页 |
| ·算法描述 | 第34-36页 |
| ·算法示例 | 第36-39页 |
| ·FP-Tree数据压缩 | 第39-41页 |
| ·算法改进 | 第41-42页 |
| ·Apriori算法和FP-Growth算法比较 | 第42-44页 |
| ·实验环境和实验数据 | 第42-43页 |
| ·实验结果与分析 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 4 关联规则度量方法研究 | 第45-55页 |
| ·规则有效性 | 第45-46页 |
| ·度量分析 | 第46-52页 |
| ·现有支持度-置信度度量框架存在问题和局限性 | 第47页 |
| ·交叉支持模式的分析与处理 | 第47-51页 |
| ·置信度改进 | 第51页 |
| ·兴趣度存在的问题 | 第51-52页 |
| ·度量改进 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 5 关联规则在银行客户系统中的应用 | 第55-63页 |
| ·实验环境 | 第55页 |
| ·数据准备 | 第55-58页 |
| ·实验数据集 | 第55-56页 |
| ·数据选择 | 第56页 |
| ·数据预处理 | 第56-58页 |
| ·数据变换 | 第58页 |
| ·数据挖掘 | 第58-60页 |
| ·结果分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| ·本文工作总结 | 第63-64页 |
| ·下一步工作及展望 | 第64-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-70页 |
