基于兴趣度的关联规则挖掘算法的研究
| 第1章 数据挖掘综述 | 第1-12页 |
| ·数据挖掘产生的背景 | 第7-8页 |
| ·数据挖掘的数据对象 | 第8页 |
| ·数据挖掘产生的知识模式 | 第8-10页 |
| ·论文主要研究内容 | 第10-12页 |
| 第2章 关联规则的基本概念 | 第12-20页 |
| ·基本概念及性质 | 第12-16页 |
| ·关联规则的经典定义 | 第12-14页 |
| ·关联规则的性质 | 第14-16页 |
| ·关联规则的分类 | 第16-17页 |
| ·关联规则的商业应用 | 第17-20页 |
| ·商业零售行业 | 第17-18页 |
| ·金融和保险服务行业 | 第18页 |
| ·科学研究领域 | 第18-19页 |
| ·电信网络管理 | 第19页 |
| ·其它应用领域 | 第19-20页 |
| 第3章 关联规则的经典算法及其分析 | 第20-27页 |
| ·经典频集法-APRIORI算法 | 第20-24页 |
| ·频集算法的核心 | 第20-22页 |
| ·举例说明Apriori算法 | 第22-24页 |
| ·频集算法的性能分析 | 第24页 |
| ·频集算法的优化方法 | 第24-27页 |
| ·基于分片的并行方法 | 第24-25页 |
| ·基于hash的方法 | 第25页 |
| ·基于采样的方法 | 第25-26页 |
| ·减少交易的个数 | 第26-27页 |
| 第4章 兴趣度模型描述及分析 | 第27-40页 |
| ·问题的提出背景 | 第27-28页 |
| ·兴趣度的引入 | 第28-30页 |
| ·关联规则的评价标准 | 第28-29页 |
| ·兴趣度的基本类型 | 第29-30页 |
| ·兴趣度模型描述 | 第30-40页 |
| ·几种典型的兴趣度模型 | 第30-32页 |
| ·基于影响的兴趣度模型 | 第32-36页 |
| ·兴趣度的特性分析 | 第36-38页 |
| ·基于影响的兴趣度算法描述 | 第38-40页 |
| 第5章 基于极大团的频繁模式增长算法 | 第40-64页 |
| ·算法提出的背景 | 第40页 |
| ·频繁模式增长算法 | 第40-47页 |
| ·树的基本结构 | 第40-41页 |
| ·构建频繁模式树 | 第41-43页 |
| ·利用FP-树构建条件FP-树 | 第43-44页 |
| ·用FP-树产生频繁模式算法描述 | 第44-46页 |
| ·FP-增长算法的性能分析 | 第46-47页 |
| ·基于团的改进算法 | 第47-55页 |
| ·有序频繁集的引入 | 第47-48页 |
| ·基于极大团的划分方法 | 第48-49页 |
| ·求图的极大团方法 | 第49-52页 |
| ·求极大团的算法描述 | 第52-53页 |
| ·弱极大团替代极大团 | 第53-55页 |
| ·利用图的邻接矩阵产生频繁集 | 第55-60页 |
| ·用邻接矩阵求频繁2-项集 | 第55-57页 |
| ·多次使用邻接矩阵求频繁2-项集 | 第57-60页 |
| ·基于兴趣度的关联规则挖掘算法(CFP_IAR) | 第60页 |
| ·CFP_IAR算法的性能及分析 | 第60-64页 |
| ·CFP_IAR算法与Apriori算法比较 | 第60-61页 |
| ·CFP_IAR算法与FP-增长算法比较 | 第61页 |
| ·CFP_IAR算法特征 | 第61-62页 |
| ·对响应时间和规则数影响因素分析 | 第62-64页 |
| 结束语 | 第64-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第72页 |
