| 摘 要 | 第1-4页 |
| ABSTRACT | 第4-12页 |
| 第一章 绪论 | 第12-22页 |
| ·数据挖掘 | 第12-16页 |
| ·数据挖掘的产生和定义 | 第12-13页 |
| ·数据挖掘的分类 | 第13-14页 |
| ·数据挖掘面临的主要问题 | 第14页 |
| ·数据挖掘的应用 | 第14-16页 |
| ·关联规则挖掘 | 第16-19页 |
| ·关联规则挖掘概述 | 第16-17页 |
| ·关联规则存在的问题 | 第17-18页 |
| ·国内外研究动态 | 第18-19页 |
| ·面向LAMOST的数据挖掘 | 第19-20页 |
| ·LAMOST项目简介 | 第19-20页 |
| ·天体光谱数据挖掘 | 第20页 |
| ·论文研究内容 | 第20-22页 |
| 第二章 关联规则挖掘的问题描述 | 第22-28页 |
| ·基本概念 | 第22-23页 |
| ·关联规则分类 | 第23-24页 |
| ·关联规则挖掘的基本步骤 | 第24-25页 |
| ·关联规则的应用领域 | 第25-28页 |
| 第三章 几种典型的关联规则挖掘算法 | 第28-36页 |
| ·经典频繁模式集挖掘算法——APRIORI算法 | 第28-29页 |
| ·频繁模式集挖掘的几种优化方法 | 第29-32页 |
| ·增量式更新算法 | 第29-30页 |
| ·基于事务压缩的优化方法 | 第30-31页 |
| ·基于划分的优化方法 | 第31页 |
| ·基于取样的优化方法 | 第31-32页 |
| ·其他的频繁模式集挖掘算法 | 第32-33页 |
| ·FP-growth算法 | 第32页 |
| ·MH算法和LSH算法 | 第32-33页 |
| ·算法的分析和比较 | 第33-36页 |
| 第四章 基于背景知识的关联规则挖掘 | 第36-54页 |
| ·问题提出 | 第36-37页 |
| ·面向关联规则挖掘的背景知识表示 | 第37-41页 |
| ·背景知识定义 | 第37-38页 |
| ·背景知识表示 | 第38-40页 |
| ·应用实例 | 第40-41页 |
| ·基于背景知识的关联规则挖掘 | 第41-47页 |
| ·基于启发式背景知识的频繁模式生成 | 第41-43页 |
| ·基于归纳背景知识的频繁模式生成 | 第43-45页 |
| ·应用实例 | 第45-47页 |
| ·基于背景知识的关联规则挖掘算法 | 第47-54页 |
| ·算法描述 | 第47-49页 |
| ·算法分析 | 第49-50页 |
| ·实验分析 | 第50-54页 |
| 第五章 基于关联规则的恒星天体光谱数据相关性分析系统 | 第54-66页 |
| ·引言 | 第54-55页 |
| ·功能模块 | 第55页 |
| ·软件体系结构 | 第55-57页 |
| ·关键技术 | 第57-62页 |
| ·预处理技术 | 第57-59页 |
| ·取样技术 | 第59页 |
| ·背景知识获取和表示技术 | 第59-62页 |
| ·关联规则挖掘 | 第62页 |
| ·系统开发环境 | 第62-63页 |
| ·系统运行 | 第63-66页 |
| 第六章 总结与进一步工作 | 第66-68页 |
| ·总结 | 第66页 |
| ·进一步工作 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-76页 |
| 攻读研究生期间所发表的论文和参加的科研项目 | 第76页 |