| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及选题意义 | 第11-12页 |
| 1.2 关联规则技术的发展与现状 | 第12-14页 |
| 1.2.1 国外研究状况 | 第12-13页 |
| 1.2.2 国内研究状况 | 第13-14页 |
| 1.3 关联规则技术应用于高校招生工作中的现实意义 | 第14-15页 |
| 1.4 主要研究内容及论文结构 | 第15-17页 |
| 第2章 数据挖掘技术 | 第17-27页 |
| 2.1 数据挖掘的研究内容 | 第17-18页 |
| 2.2 数据挖掘的功能 | 第18-20页 |
| 2.2.1 数据区分和特征化 | 第18-19页 |
| 2.2.2 关联分析 | 第19页 |
| 2.2.3 预测与分类 | 第19页 |
| 2.2.4 聚类分析 | 第19页 |
| 2.2.5 孤立点分析 | 第19-20页 |
| 2.2.6 时序演变分析 | 第20页 |
| 2.3 数据挖掘过程 | 第20-23页 |
| 2.3.1 数据集成 | 第21页 |
| 2.3.2 数据的选择 | 第21-22页 |
| 2.3.3 数据预处理 | 第22-23页 |
| 2.3.4 数据挖掘算法 | 第23页 |
| 2.4 数据挖掘方法 | 第23-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 关联规则挖掘技术 | 第27-33页 |
| 3.1 关联规则基本理论 | 第27-28页 |
| 3.2 关联规则分类 | 第28-30页 |
| 3.3 关联规则挖掘的相关算法 | 第30-32页 |
| 3.4 关联规则挖掘尚需扩展研究的问题 | 第32页 |
| 3.5 本章小节 | 第32-33页 |
| 第4章 APRIORI 算法及改进 | 第33-44页 |
| 4.1 经典 APRIORI 算法及问题分析 | 第33-34页 |
| 4.2 几种典型的改进 APRIORI 算法及分析 | 第34-39页 |
| 4.2.1 FIS-ES 算法 | 第34-35页 |
| 4.2.2 基于 PCL 模型的频繁项集求解算法 | 第35页 |
| 4.2.3 FP-DFS 算法 | 第35-36页 |
| 4.2.4 使用概率的方法求候选频繁项集的 Apriori 改进算法 | 第36页 |
| 4.2.5 基于事务地址索引表来约简事务的 Apriori 优化算法 | 第36-37页 |
| 4.2.6 适用于数字资源访问日志数据库的关联规则挖掘改进算法 | 第37-38页 |
| 4.2.7 S_Apriori 算法 | 第38-39页 |
| 4.3 改进的 APRIORI 算法 | 第39-43页 |
| 4.3.1 改进算法的原理 | 第39-40页 |
| 4.3.2 改进算法的描述 | 第40-42页 |
| 4.3.3 改进算法的性能分析 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 改进算法在高校招生中的应用 | 第44-52页 |
| 5.1 招生管理建模 | 第44-46页 |
| 5.1.1 提出问题 | 第44页 |
| 5.1.2 模型创建 | 第44-46页 |
| 5.2 关联规则分析系统创建 | 第46-49页 |
| 5.3 结果分析 | 第49-51页 |
| 5.4 本章小结 | 第51-52页 |
| 总结 | 第52-54页 |
| 1 论文的主要工作 | 第52-53页 |
| 2 进一步努力的方向 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 附录 A 攻读学位期间所发表的学术论文 | 第58-59页 |
| 附录 B 攻读学位期间所参与的其它科研活动 | 第59页 |
