| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 关联规则的挖掘 | 第11-12页 |
| 1.2.2 时间序列关联规则的挖掘 | 第12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-14页 |
| 第二章 关联规则基础理论 | 第14-24页 |
| 2.1 频繁项集 | 第14-15页 |
| 2.2 关联规则 | 第15-17页 |
| 2.2.1 关联规则的其它评价标准 | 第15-17页 |
| 2.3 时间序列 | 第17-18页 |
| 2.3.1 流数据多元时间序列的合并集 | 第17-18页 |
| 2.3.2 跨事务间与跨时间段关联规则定义 | 第18页 |
| 2.4 滑动窗口 | 第18-19页 |
| 2.5 流数据跨事务多元时间序列关联规则 | 第19-21页 |
| 2.6 跨事务规则 | 第21-23页 |
| 2.7 流数据衰减模型 | 第23页 |
| 2.8 结果集随时间的动态性 | 第23页 |
| 2.9 本章小结 | 第23-24页 |
| 第三章 流数据的预处理 | 第24-36页 |
| 3.1 流数据的数据限制 | 第24-25页 |
| 3.2 流数据线性化 | 第25-27页 |
| 3.3 生成元模式 | 第27-31页 |
| 3.3.1 时间序列分割 | 第27-29页 |
| 3.3.2 线段的符号化 | 第29-31页 |
| 3.4 基于流数据的生成事务集 | 第31-35页 |
| 3.4.1 流数据生成事务内数据集 | 第31-32页 |
| 3.4.2 流数据生成事务间数据集 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于动态支持度流数据跨事务规则挖掘 | 第36-54页 |
| 4.1 常用的挖掘算法 | 第36-38页 |
| 4.1.1 Apriori算法 | 第36-38页 |
| 4.1.2 EH-Apriori挖掘方法 | 第38页 |
| 4.2 基于流数据事务间规则挖掘算法ITF-TREE | 第38-45页 |
| 4.2.1 事务间频繁树ITF-tree的数据结构组成 | 第39-40页 |
| 4.2.2 ITF-tree的建立 | 第40-45页 |
| 4.3 ITF-TREE的更新 | 第45-46页 |
| 4.3.1 从ITF-tree中抽取数据信息 | 第45-46页 |
| 4.3.2 剪枝策略 | 第46页 |
| 4.4 挖掘过程 | 第46-48页 |
| 4.5 动态支持度的选择 | 第48-50页 |
| 4.6 关联规则的生成 | 第50-51页 |
| 4.7 滤除隐性重复模式 | 第51-53页 |
| 4.8 本章小结 | 第53-54页 |
| 第五章 实验结果与分析 | 第54-65页 |
| 5.1 实验数据描述 | 第54-55页 |
| 5.2 获取运行参数 | 第55-57页 |
| 5.3 实验结果和分析 | 第57-62页 |
| 5.3.1 ITF-tree算法与EH-Apriori、FITI、PITP-Miner对比 | 第57-61页 |
| 5.3.2 ITF-tree与预选率支持度选择方法的对比 | 第61-62页 |
| 5.4 算法在大数据集上表现 | 第62-64页 |
| 5.5 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72页 |
