| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-17页 |
| ·课题背景 | 第13-14页 |
| ·税收执法管理 | 第14页 |
| ·数据挖掘技术在税务系统的应用 | 第14-15页 |
| ·国外税务系统数据挖掘应用现状 | 第14-15页 |
| ·国内税务系统数据挖掘应用现状 | 第15页 |
| ·本文研究内容及结构 | 第15-17页 |
| 第二章 数据挖掘技术 | 第17-26页 |
| ·数据挖掘的定义和过程 | 第17-18页 |
| ·数据挖掘技术 | 第18-21页 |
| ·数据挖掘发现的知识分类 | 第21-23页 |
| ·常用数据挖掘工具 | 第23页 |
| ·数据挖掘研究的发展趋势 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 关联规则挖掘 | 第26-38页 |
| ·关联规则的基本概念 | 第26-27页 |
| ·关联规则的理论基础 | 第27页 |
| ·关联规则的分类 | 第27-28页 |
| ·经典关联规则挖掘算法 | 第28-34页 |
| ·Apriori算法 | 第28-31页 |
| ·Fp_growth算法 | 第31-33页 |
| ·其他算法 | 第33-34页 |
| ·算法的分析、比较 | 第34-36页 |
| ·关联规则挖掘研究的发展趋势 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 一种基于hash和项集空间划分的关联规则挖掘算法研究与实现 | 第38-47页 |
| ·影响关联规则挖掘性能的主要因素 | 第38页 |
| ·SAVM算法思想 | 第38-41页 |
| ·事务数据库的比特向量表示和支持度计算 | 第39-40页 |
| ·应用hash算法减少生成的候选2项集个数 | 第40-41页 |
| ·基于共同前缀的项集空间划分 | 第41页 |
| ·算法描述 | 第41-42页 |
| ·算法实现 | 第42-44页 |
| ·算法性能分析 | 第44页 |
| ·时间复杂度分析 | 第44页 |
| ·空间复杂度分析 | 第44页 |
| ·实验结果分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 关联规则挖掘技术在税收执法管理中的应用 | 第47-52页 |
| ·数据选择 | 第47-48页 |
| ·数据预处理 | 第48-49页 |
| ·挖掘频繁项集 | 第49-50页 |
| ·生成规则 | 第50页 |
| ·结果分析与评价 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 结束语 | 第52-54页 |
| ·本文总结 | 第52页 |
| ·工作展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间主要科研工作和成果 | 第57页 |
| 学术论文 | 第57页 |
| 科研工作 | 第57页 |