| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 常用的量化关联规则挖掘研究方法 | 第9-10页 |
| 1.2.2 规则支持度和置信度的确定方法 | 第10-11页 |
| 1.3 研究意义 | 第11-12页 |
| 1.4 本文所做工作 | 第12页 |
| 1.5 论文组织 | 第12-13页 |
| 2 数据挖掘概述 | 第13-21页 |
| 2.1 数据挖掘定义 | 第13页 |
| 2.2 数据挖掘对象 | 第13-14页 |
| 2.3 数据挖掘基本过程 | 第14-16页 |
| 2.4 数据挖掘任务 | 第16-19页 |
| 2.4.1 概念描述 | 第16页 |
| 2.4.2 聚类分析 | 第16-18页 |
| 2.4.3 分类和预测 | 第18页 |
| 2.4.4 关联分析 | 第18-19页 |
| 2.4.5 孤立点分析 | 第19页 |
| 2.4.6 时间序列分析 | 第19页 |
| 2.5 数据挖掘所面临的挑战 | 第19-20页 |
| 2.6 本章小结 | 第20-21页 |
| 3 关联规则挖掘 | 第21-32页 |
| 3.1 关联规则的相关概念 | 第22-23页 |
| 3.2 关联规则的度量 | 第23-24页 |
| 3.3 关联规则的分类 | 第24-25页 |
| 3.4 关联规则挖掘的基本模型和步骤 | 第25-26页 |
| 3.4.1 关联规则挖掘的基本模型 | 第25-26页 |
| 3.4.2 关联规则挖掘的基本步骤 | 第26页 |
| 3.5 经典的关联规则挖掘算法 | 第26-31页 |
| 3.5.1 Apriori 算法 | 第26-30页 |
| 3.5.2 基于 Apriori 算法的变形 | 第30-31页 |
| 3.6 本章小结 | 第31-32页 |
| 4 数据场 | 第32-40页 |
| 4.1 数据场的概念 | 第32页 |
| 4.2 数据场的性质 | 第32-33页 |
| 4.3 场强函数和势函数 | 第33-36页 |
| 4.3.1 场强函数 | 第33-34页 |
| 4.3.2 势函数 | 第34页 |
| 4.3.3 等势线、势场、势心以及自然拓扑类 | 第34-36页 |
| 4.4 数据场的影响因素 | 第36-38页 |
| 4.5 数据场的应用 | 第38-39页 |
| 4.6 本章小结 | 第39-40页 |
| 5 基于数据场的量化关联规则 | 第40-61页 |
| 5.1 基于数据场的量化关联规则的提出 | 第40-43页 |
| 5.2 算法分析 | 第43-53页 |
| 5.2.1 问题定义 | 第43-44页 |
| 5.2.2 算法描述 | 第44-53页 |
| 5.3 实验与分析 | 第53-59页 |
| 5.3.1 鸢尾花 Iris 数据集实验测试 | 第53-57页 |
| 5.3.2 身体脂肪 bodyfat 数据集实验测试 | 第57-59页 |
| 5.3.3 临床医学数据实验测试 | 第59页 |
| 5.4 本章小结 | 第59-61页 |
| 总结 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 在学研究成果 | 第67-68页 |
| 致谢 | 第68页 |