面向零售业的关联规则动态挖掘算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 图表清单 | 第8-10页 |
| 注释表 | 第10-11页 |
| 第一章 绪论 | 第11-18页 |
| ·数据挖掘的研究概述 | 第11-14页 |
| ·数据挖掘技术的发展与现状 | 第11-12页 |
| ·数据挖掘应用领域 | 第12-14页 |
| ·选题依据及研究意义 | 第14-16页 |
| ·选题依据 | 第14-15页 |
| ·研究目的和意义 | 第15-16页 |
| ·本文的主要工作和组织结构 | 第16-18页 |
| 第二章 关联规则挖掘技术 | 第18-31页 |
| ·关联规则挖掘的定义 | 第18-19页 |
| ·频繁项集生成算法分析 | 第19-22页 |
| ·相关工作 | 第19-21页 |
| ·代表性的频繁项集挖掘算法 | 第21-22页 |
| ·频繁项集更新维护分析 | 第22-25页 |
| ·相关工作 | 第22-23页 |
| ·代表性的频繁项集更新维护算法 | 第23-25页 |
| ·兴趣度分析 | 第25-30页 |
| ·相关工作 | 第25-26页 |
| ·兴趣度的度量准则 | 第26-28页 |
| ·兴趣度的分类 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 频繁项集挖掘在零售业中的研究 | 第31-41页 |
| ·问题的提出 | 第31-33页 |
| ·基本定义与有关性质 | 第33-36页 |
| ·高维稀疏数据频繁项集挖掘算法FIHS | 第36-38页 |
| ·FIHS 算法的流程 | 第36-37页 |
| ·FIHS 算法的伪代码描述 | 第37-38页 |
| ·实验对比和性能分析 | 第38-40页 |
| ·实验对比 | 第38-39页 |
| ·性能分析 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 频繁项集快速更新方法的研究 | 第41-51页 |
| ·问题的提出 | 第41-42页 |
| ·相关概念和性质 | 第42-44页 |
| ·滑动窗口的概念 | 第42-43页 |
| ·其他相关性质 | 第43-44页 |
| ·基于滑动窗口的频繁项集更新算法SWFIUA | 第44-47页 |
| ·算法的流程 | 第44-45页 |
| ·SWF 算法 | 第44-45页 |
| ·SWFIUA 算法 | 第45页 |
| ·SWFIUA 算法的伪代码描述 | 第45-47页 |
| ·示例说明和算法分析 | 第47-50页 |
| ·示例说明 | 第47-49页 |
| ·算法分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 关联规则兴趣度研究 | 第51-64页 |
| ·问题的描述 | 第51-52页 |
| ·兴趣度的选择 | 第52-54页 |
| ·基于兴趣度的关联规则挖掘算法IMAR | 第54-58页 |
| ·相关定义 | 第54-56页 |
| ·算法流程 | 第56页 |
| ·算法伪代码描述 | 第56-58页 |
| ·销售模型 | 第58-61页 |
| ·问题的提出 | 第58-59页 |
| ·竞争商品模型 | 第59-60页 |
| ·利润最大化销售模型 | 第60-61页 |
| ·实验分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 结束语 | 第64-66页 |
| ·本文的总结 | 第64-65页 |
| ·进一步的研究方向 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 在学期间的研究成果及发表的学术论文 | 第72页 |
