| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 主要符号对照表 | 第9-11页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景、来源和意义 | 第11-13页 |
| 1.2 国内外相关研究和综述 | 第13-18页 |
| 1.2.1 数据挖掘研究现状 | 第13-15页 |
| 1.2.2 频繁项集挖掘算法研究现状 | 第15-16页 |
| 1.2.3 高效用项集挖掘算法研究现状 | 第16-18页 |
| 1.3 本文研究的主要内容 | 第18页 |
| 1.4 本文的结构安排 | 第18-21页 |
| 第2章 关联规则挖掘算法理论及相关定义 | 第21-33页 |
| 2.1 关联规则挖掘概述 | 第21页 |
| 2.2 频繁项集挖掘经典算法描述 | 第21-27页 |
| 2.2.1 Apriori算法 | 第21-22页 |
| 2.2.2 FP-Growth算法 | 第22-26页 |
| 2.2.3 Eclat算法 | 第26-27页 |
| 2.3 高效用项集挖掘算法分析 | 第27-32页 |
| 2.3.2 Two-phase算法 | 第29页 |
| 2.3.3 IHUP算法 | 第29-31页 |
| 2.3.4 HUI-Miner算法 | 第31-32页 |
| 2.4 本章总结 | 第32-33页 |
| 第3章 基于事务约简和 2-项集支持度矩阵快速剪枝的Apriori改进算法 | 第33-43页 |
| 3.1 Apriori算法 | 第33-34页 |
| 3.2 Apriori算法的改进 | 第34-40页 |
| 3.2.1 MR-Apriori算法 | 第34-37页 |
| 3.2.2 MP-Apriori算法 | 第37-39页 |
| 3.2.3 MRP-Apriori算法 | 第39-40页 |
| 3.3 实验结果评测 | 第40-42页 |
| 3.3.1 实验数据 | 第40页 |
| 3.3.2 实验环境 | 第40-41页 |
| 3.3.3 实验结果与分析 | 第41-42页 |
| 3.4 本章总结 | 第42-43页 |
| 第4章 基于数组伪投影和事务合并的频繁高效用项集挖掘算法 | 第43-63页 |
| 4.1 问题定义及算法流程与模型 | 第43-46页 |
| 4.1.1 问题定义 | 第43-44页 |
| 4.1.2 算法流程与模型 | 第44-46页 |
| 4.2 伪投影和算法搜索空间及算法伪码 | 第46-49页 |
| 4.2.1 伪投影技术 | 第46-47页 |
| 4.2.2 算法搜索空间和算法伪代码 | 第47-49页 |
| 4.3 挖掘算法剪枝 | 第49-52页 |
| 4.3.1 剪掉子树中不满足条件的节点-局部效用剪枝 | 第50-51页 |
| 4.3.2 剪掉以该节点为根的整棵子树-子树效用剪枝 | 第51-52页 |
| 4.4 事务合并和投影事务合并技术 | 第52-55页 |
| 4.4.1 事务合并 | 第52-53页 |
| 4.4.2 投影事务合并技术 | 第53-55页 |
| 4.5 实验评测与分析 | 第55-62页 |
| 4.5.1 实验数据 | 第55页 |
| 4.5.2 实验环境 | 第55-56页 |
| 4.5.3 不同参数设置上算法运行时间对比 | 第56-62页 |
| 4.6 总结 | 第62-63页 |
| 第5章 总结和展望 | 第63-65页 |
| 5.1 工作总结 | 第63页 |
| 5.2 工作展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第71页 |
