| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-21页 |
| ·研究背景及意义 | 第11-13页 |
| ·知识发现的研究和现状 | 第13-15页 |
| ·知识发现的定义 | 第13-14页 |
| ·知识发现的处理过程 | 第14-15页 |
| ·数据挖掘概念 | 第15-19页 |
| ·数据挖掘技术的发展与现状 | 第16页 |
| ·数据挖掘的分类及方法 | 第16-17页 |
| ·数据挖掘应用领域 | 第17-19页 |
| ·本文组成结构 | 第19页 |
| ·本文主要工作 | 第19-21页 |
| 第2章 关联规则挖掘 | 第21-28页 |
| ·关联规则挖掘技术的产生 | 第21-22页 |
| ·关联规则挖掘的思想 | 第22-24页 |
| ·关联规则挖掘的相关定义 | 第22-23页 |
| ·关联规则挖掘过程 | 第23-24页 |
| ·关联规则分类 | 第24页 |
| ·关联规则的挖掘方法 | 第24-26页 |
| ·挖掘关联规则的算法 | 第26-28页 |
| ·Apriori算法 | 第26页 |
| ·FP-growth算法 | 第26-27页 |
| ·AIS算法 | 第27页 |
| ·DHP算法 | 第27页 |
| ·基于划分的算法 | 第27-28页 |
| 第3章 Apriori算法及其改进 | 第28-40页 |
| ·Apriori算法 | 第28-34页 |
| ·Apnori性质 | 第28页 |
| ·Apriori算法介绍 | 第28-29页 |
| ·Apriori算法描述 | 第29-30页 |
| ·Apriori算法实例 | 第30-33页 |
| ·Apriori算法缺陷 | 第33-34页 |
| ·现已有的Apriori的改进算法 | 第34-35页 |
| ·FP-growth算法 | 第35-38页 |
| ·FP树的建立 | 第35-36页 |
| ·FP-growth算法流程 | 第36-38页 |
| ·性能分析 | 第38页 |
| ·Partition算法 | 第38-40页 |
| ·算法描述 | 第39页 |
| ·性能分析 | 第39-40页 |
| 第4章 基于压缩矩阵的Apriori算法的改进 | 第40-46页 |
| ·算法改进的概述 | 第40-41页 |
| ·改进的Apriori具体的算法 | 第41-43页 |
| ·实例分析 | 第43-45页 |
| ·小结 | 第45-46页 |
| 第5章 改进的Apriori算法在用户行为分析中的应用 | 第46-57页 |
| ·网络用户行为分析 | 第46-47页 |
| ·系统实验环境 | 第47-48页 |
| ·数据预处理的思想 | 第48-52页 |
| ·数据预处理实现 | 第50-52页 |
| ·数据规整 | 第52页 |
| ·挖掘关联规则 | 第52-55页 |
| ·本章小结 | 第55-57页 |
| 第6章 总结与展望 | 第57-58页 |
| ·工作总结 | 第57页 |
| ·工作展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-60页 |