| 摘要 | 第1-3页 |
| ABSTRACT | 第3-6页 |
| 第一章 国内外研究现状 | 第6-24页 |
| ·问题的由来 | 第6页 |
| ·KDD的任务 | 第6-8页 |
| ·数据挖掘概念 | 第8-15页 |
| ·数据挖掘理论基础 | 第8页 |
| ·数据挖掘语言 | 第8-9页 |
| ·数据挖掘结果的可信度 | 第9-10页 |
| ·数据挖掘串行算法 | 第10-11页 |
| ·关联规则 | 第10页 |
| ·分类 | 第10-11页 |
| ·聚类 | 第11页 |
| ·数据挖掘并行算法 | 第11-15页 |
| ·数据挖掘算法中的并行性 | 第12-14页 |
| ·分布式关联规则挖掘 | 第14页 |
| ·分布式聚类挖掘 | 第14-15页 |
| ·分布式分类器 | 第15页 |
| ·关联规则的探讨 | 第15-19页 |
| ·关联规则的定义 | 第16-17页 |
| ·可信度(Confidence) | 第17页 |
| ·支持度(Support) | 第17页 |
| ·期望可信度(Expected confidence) | 第17页 |
| ·作用度(Lift) | 第17-18页 |
| ·关联规则的种类 | 第18-19页 |
| ·挖掘关联规则的算法 | 第19-24页 |
| ·算法分类 | 第19-21页 |
| ·经典频集算法 | 第21-24页 |
| 第二章 对经典频集算法的改进 | 第24-34页 |
| ·减小候选集Ck的大小 | 第24-26页 |
| ·理论证明 | 第24-26页 |
| ·算法分析 | 第26页 |
| ·利用哈希表来存储数据项集 | 第26-34页 |
| ·Traverse方法 | 第27-30页 |
| ·构造函数 | 第30-31页 |
| ·add方法 | 第31-32页 |
| ·countFrequentSubset方法 | 第32页 |
| ·算法分析 | 第32-34页 |
| 第三章 测试数据的选择 | 第34-39页 |
| ·对离散随机变量的模拟原理 | 第34-37页 |
| ·问题的描述 | 第34-35页 |
| ·合成算法 | 第35-36页 |
| ·算法分析 | 第36-37页 |
| ·真实数据的转化 | 第37-39页 |
| 第四章 算法的性能评价 | 第39-46页 |
| ·理论数据的测试结果 | 第39-43页 |
| ·真实数据的测试结果 | 第43-44页 |
| ·改进算法与Apriori的比较 | 第44-46页 |
| 第五章 结论和展望 | 第46-47页 |
| 参考文献 | 第47-49页 |
| 发表论文情况和参加科研情况说明 | 第49-50页 |
| 致谢 | 第50页 |