| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题研究背景 | 第9页 |
| ·选题意义 | 第9-10页 |
| ·关联规则挖掘与购物篮分析的研究现状 | 第10-11页 |
| ·论文的组织结构 | 第11-13页 |
| 第2章 关联规则挖掘相关概念和算法 | 第13-31页 |
| ·数据挖掘介绍 | 第13-16页 |
| ·数据挖掘的基本概念 | 第13-14页 |
| ·数据挖掘的过程 | 第14-15页 |
| ·数据挖掘的分类、技术和方法 | 第15-16页 |
| ·数据挖掘的任务 | 第16页 |
| ·关联规则介绍 | 第16-22页 |
| ·关联规则的定义 | 第17-18页 |
| ·关联规则的分类 | 第18-19页 |
| ·关联规则的挖掘 | 第19-20页 |
| ·关联规则的应用 | 第20-22页 |
| ·关联规则挖掘算法发展概述 | 第22-31页 |
| ·经典频繁集算法---Apriori 算法 | 第22-26页 |
| ·经典频繁模式增长算法---FP-growth 算法 | 第26-31页 |
| 第3章 FP-growth 更新算法分析与实现 | 第31-44页 |
| ·FP-growth 更新算法分析 | 第31-37页 |
| ·相关概念阐述 | 第31页 |
| ·事务哈希表和线性对象表应用的可行性分析 | 第31-37页 |
| ·支持度和数据变化时高效更新tranHashTab 和itemList 表 | 第37-39页 |
| ·由排好序的tranHashTab 和itemList 表数据产生FP-tree | 第39页 |
| ·新旧算法实验结果分析 | 第39-44页 |
| ·实验环境 | 第39-40页 |
| ·实验数据 | 第40-41页 |
| ·新旧算法实验结果对比图 | 第41页 |
| ·改进算法的优势分析 | 第41-42页 |
| ·大型关系数据库中的FP-growth 更新算法优化方案 | 第42-44页 |
| 第4章 购物篮分析的基本理论和方法 | 第44-51页 |
| ·购物篮分析理论与方法提出的必要性 | 第44页 |
| ·商品间的“促销”关系分析 | 第44-45页 |
| ·商品阵列的优化方法 | 第45-47页 |
| ·实例分析 | 第47-51页 |
| 第5章 关联规则算法在零售业购物篮分析中的应用 | 第51-62页 |
| ·背景分析 | 第51页 |
| ·实验系统开发说明 | 第51-52页 |
| ·关联规则计算模型 | 第52页 |
| ·系统挖掘执行流程 | 第52-53页 |
| ·功能实践与结果分析 | 第53-62页 |
| ·销售数据预处理 | 第53-55页 |
| ·系统启动 | 第55-56页 |
| ·零售业关联规则与商品摆放规则的生成 | 第56-60页 |
| ·查询与分析功能的实现 | 第60-62页 |
| 第6章 总结与展望 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·本论文主要做的工作和结果 | 第62-63页 |
| ·设计与开发方面的不足 | 第63页 |
| ·展望 | 第63-64页 |
| 附录 | 第64-69页 |
| 参考文献 | 第69-72页 |
| 攻读学位期间发表的学术论文 | 第72-73页 |
| 致谢 | 第73页 |
