基于关联分类的动态关联规则趋势度挖掘方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究的背景、目的和意义 | 第9-11页 |
| 1.2 研究的内容与创新 | 第11页 |
| 1.3 本文的组织结构 | 第11-13页 |
| 2 关联规则描述 | 第13-24页 |
| 2.1 关联规则的基本定义描述 | 第13-14页 |
| 2.2 关联规则种类 | 第14-15页 |
| 2.3 关联规则的两种挖掘算法 | 第15-19页 |
| 2.3.1 Apriori 算法 | 第15-17页 |
| 2.3.2 FP-Growth 算法 | 第17-19页 |
| 2.4 动态关联规则的定义 | 第19-20页 |
| 2.5 动态关联规则算法 | 第20-23页 |
| 2.5.1 算法一 | 第20-21页 |
| 2.5.2 算法二 | 第21-22页 |
| 2.5.3 由动态频繁项集生成动态关联规则 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 3 动态关联规则趋势度挖掘方法 | 第24-28页 |
| 3.1 动态关联规则趋势度描述 | 第24页 |
| 3.2 基于趋势度的动态关联规则挖掘算法 | 第24-27页 |
| 3.3 本章小结 | 第27-28页 |
| 4 分类器的构造 | 第28-40页 |
| 4.1 关联分类的基本定义描述 | 第28-31页 |
| 4.2 关联分类经典算法 | 第31-34页 |
| 4.2.1 CBA 算法 | 第31-33页 |
| 4.2.2 CMAR 算法 | 第33-34页 |
| 4.3 基于优先规则兴趣度的分类器 | 第34-36页 |
| 4.4 基于兼容性特征向量 SVM 分类器的构建 | 第36-39页 |
| 4.4.1 多分类支持向量机 | 第36-37页 |
| 4.4.2 SVM 对于海量数据挖掘的缺陷 | 第37页 |
| 4.4.3 SVM 分类器的构建 | 第37-39页 |
| 4.5 本章小结 | 第39-40页 |
| 5 实验过程与数据分析 | 第40-48页 |
| 5.1 实验处理过程 | 第40-44页 |
| 5.1.1 趋势度挖掘 | 第41-42页 |
| 5.1.2 两种关联分类器的构建 | 第42-44页 |
| 5.2 数据分析 | 第44-47页 |
| 5.3 本章小结 | 第47-48页 |
| 结论 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读学位期间的研究成果 | 第54页 |
