| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·研究背景 | 第7-8页 |
| ·国内外数据挖掘技术的发展现状 | 第8-11页 |
| ·国外现状 | 第8-10页 |
| ·国内现状 | 第10-11页 |
| ·课题的主要研究内容 | 第11页 |
| ·课题的研究意义 | 第11-12页 |
| ·论文的组织结构 | 第12-13页 |
| 2 数据挖掘概述 | 第13-25页 |
| ·什么是数据挖掘 | 第13-14页 |
| ·数据挖掘功能 | 第14-16页 |
| ·概念/类描述:特征化和区分 | 第14页 |
| ·关联分析 | 第14-15页 |
| ·分类和预测 | 第15-16页 |
| ·聚类分析 | 第16页 |
| ·离群点分析 | 第16页 |
| ·演变分析 | 第16页 |
| ·数据挖掘算法描述 | 第16-18页 |
| ·判定树算法描述 | 第17页 |
| ·聚类挖掘算法描述 | 第17-18页 |
| ·关联规则挖掘算法描述 | 第18页 |
| ·扩展关联规则介绍 | 第18-21页 |
| ·问题的提出 | 第18-19页 |
| ·扩展型关联规则定义 | 第19-20页 |
| ·扩展规则支持度计算的若干定理 | 第20-21页 |
| ·数据挖掘工具简介 | 第21页 |
| ·数据挖掘步骤 | 第21-22页 |
| ·数据挖掘应用 | 第22-23页 |
| ·数据挖掘存在的问题 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3 关联规则算法研究 | 第25-46页 |
| ·引言 | 第25页 |
| ·关联规则的形式化定义 | 第25-27页 |
| ·Apriori挖掘算法 | 第27-31页 |
| ·Apriori算法的基本思想 | 第27页 |
| ·Apriori算法描述 | 第27-28页 |
| ·候选频繁项集C_k的产生函数Apriori_Gen | 第28-29页 |
| ·侯选频繁项集C_k中各频繁项的支持度计算 | 第29-30页 |
| ·算法举例 | 第30-31页 |
| ·FP-growth挖掘算法 | 第31-36页 |
| ·FP-tree的定义，定理与性质 | 第32页 |
| ·FP-growth算法描述 | 第32-33页 |
| ·算法举例 | 第33-35页 |
| ·FP-growth算法性能分析 | 第35-36页 |
| ·FP-growth算法与Apriori算法性能比较 | 第36-37页 |
| ·实验环境及实验数据源 | 第36页 |
| ·实验结果 | 第36-37页 |
| ·改进的FP-growth算法 | 第37-43页 |
| ·New_FP-growth算法的提出 | 第37-38页 |
| ·New_FP-growth算法的设计与实现 | 第38-42页 |
| ·New_FP-growth算法应用实例 | 第42-43页 |
| ·New_FP-growth算法与FP-growth算法性能比较 | 第43-45页 |
| ·实验环境及实验数据源 | 第43-44页 |
| ·实验结果 | 第44页 |
| ·算法性能分析与比较 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 4 关联规则在某高校科技管理信息系统的应用 | 第46-61页 |
| ·引言 | 第46页 |
| ·管理系统概述 | 第46-47页 |
| ·某高校科技处管理系统设计与实现 | 第47-50页 |
| ·系统结构设计 | 第47-48页 |
| ·数据库设计 | 第48页 |
| ·系统设计 | 第48-50页 |
| ·数据准备 | 第50-54页 |
| ·New_FP-growth算法在科技管理系统中的应用 | 第54-60页 |
| ·挖掘结果分析及建议 | 第60页 |
| ·本章小结 | 第60-61页 |
| 5 结束语 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
