| 第一章 绪论 | 第1-42页 |
| ·关联规则研究概述 | 第31-36页 |
| ·引言 | 第31-32页 |
| ·关联规则挖掘研究现状与发展趋势 | 第32-36页 |
| ·时态关联规则研究进展 | 第36-39页 |
| ·时态数据挖掘研究发展 | 第36-38页 |
| ·时态关联规则挖掘 | 第38-39页 |
| ·本文研究内容 | 第39-42页 |
| 第二章 时态关联规则模型 | 第42-55页 |
| ·时态型与时间粒度概念与性质 | 第42-44页 |
| ·时态关联规则模型 | 第44-49页 |
| ·时态关联规则的分类 | 第49-55页 |
| ·不同对象与相同属性的时态关联规则 | 第49-50页 |
| ·相同对象与不同属性的时态关联规则 | 第50-51页 |
| ·相同对象与相同属性的相邻时态关联规则 | 第51页 |
| ·相同对象与相同属性的相连时态关联规则 | 第51-52页 |
| ·相同对象与相同属性状态的周期时态关联规则 | 第52-53页 |
| ·不同对象与不同属性的时态关联规则 | 第53-54页 |
| ·不同对象与不同属性的周期时态关联规则 | 第54-55页 |
| 第三章 时态关联规则挖掘算法 | 第55-83页 |
| ·单事件相同时态因子内关联规则挖掘算法 | 第55-61页 |
| ·算法 | 第55-58页 |
| ·实验结果 | 第58-61页 |
| ·单事件周期时态关联规则挖掘算法 | 第61-67页 |
| ·算法 | 第61-63页 |
| ·实验结果 | 第63-67页 |
| ·双事件时态关联规则挖掘算法 | 第67-73页 |
| ·算法 | 第67-68页 |
| ·实验结果 | 第68-73页 |
| ·基于兴趣度的时态数据关联规则挖掘算法 | 第73-81页 |
| ·兴趣度模型定义与算法 | 第74-76页 |
| ·实验结果 | 第76-81页 |
| ·小结 | 第81-83页 |
| 第四章 Markov Chain模型在时态数据挖掘中的应用 | 第83-88页 |
| ·Markov链随机过程 | 第83-85页 |
| ·MARKOV链随机过程在时态数据挖掘中的应用 | 第85-88页 |
| 总结与展望 | 第88-89页 |
| 参考文献 | 第89-96页 |
| 攻读硕士期间公开发表的论文 | 第96-97页 |
| 致谢 | 第97页 |