| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-16页 |
| ·研究背景与意义 | 第11-12页 |
| ·国内外发展现状 | 第12-14页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13-14页 |
| ·论文的内容 | 第14-16页 |
| 2 相关技术介绍 | 第16-25页 |
| ·数据挖掘和知识发现 | 第16-22页 |
| ·什么是数据挖掘 | 第16-18页 |
| ·数据挖掘要解决的问题 | 第18-19页 |
| ·数据挖掘的任务 | 第19-20页 |
| ·数据挖掘的特点 | 第20-21页 |
| ·数据挖掘的过程 | 第21-22页 |
| ·关联规则挖掘技术 | 第22-24页 |
| ·关联规则的基本概念 | 第22-23页 |
| ·关联规则的分类 | 第23页 |
| ·关联规则挖掘性质 | 第23-24页 |
| ·关联规则挖掘算法性能的常用衡量方法 | 第24页 |
| ·本章小结 | 第24-25页 |
| 3 关联规则挖掘算法 | 第25-37页 |
| ·关联规则挖掘 | 第25页 |
| ·频繁项集的产生 | 第25-34页 |
| ·先验原理 | 第27页 |
| ·Apriori 算法 | 第27-32页 |
| ·频繁模式增长 | 第32-34页 |
| ·基于概念格的频繁项集挖掘算法 | 第34-36页 |
| ·量化概念格的频繁项集挖掘 | 第34-36页 |
| ·事例及结果分析 | 第36页 |
| ·小结 | 第36-37页 |
| 4 基于兴趣度的关联规则挖掘 | 第37-48页 |
| ·兴趣度的提出 | 第37页 |
| ·兴趣度模型的概述 | 第37-40页 |
| ·兴趣度研究现状 | 第38页 |
| ·几种典型的兴趣度度量 | 第38-40页 |
| ·传统方法存在的局限性 | 第40-44页 |
| ·改进的兴趣度度量方法 | 第44-45页 |
| ·改进的兴趣度度量方法的应用分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 5 基于相关兴趣度的关联规则挖掘 | 第48-64页 |
| ·改进的兴趣度度量方法 | 第48-51页 |
| ·λ(A(?)B)的定义及其性质 | 第48-50页 |
| ·与 λ(A(?)B)之间的关系 | 第50-51页 |
| ·两个度量之间的关系 | 第50-51页 |
| ·两个度量的适用范围 | 第51页 |
| ·购物篮中关联规则的应用类型分析 | 第51-52页 |
| ·基于 λ(A(?)B)的项项正相关关联规则挖掘 | 第52-56页 |
| ·项项正相关关联规则挖掘问题的提出 | 第52-53页 |
| ·兴趣度度量的选取 | 第53-56页 |
| ·相关兴趣度度量的选取 | 第53页 |
| ·关联兴趣度度量的选取 | 第53-54页 |
| ·基于度量的项项正相关关联规则挖掘 | 第54-56页 |
| ·挖掘算法 Rule_L(x) | 第56-63页 |
| ·ItemCoMine_AP 算法 | 第57页 |
| ·实验测评和比较分析 | 第57-63页 |
| ·实验一：不同数据集测试算法性能 | 第57-60页 |
| ·实验二：参数变化对性能的影响测试 | 第60-61页 |
| ·实验三： All confidence、减枝效果测试 | 第61-62页 |
| ·实验四：实际零售数据集应用测试 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-68页 |
| 攻读学位期间的研究成果 | 第68页 |