| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·关联规则挖掘 | 第10-11页 |
| ·关联规则挖掘算法的研究发展 | 第10-11页 |
| ·关联规则挖掘算法分类 | 第11页 |
| ·贝叶斯网 | 第11-13页 |
| ·贝叶斯网的发展 | 第11-12页 |
| ·贝叶斯网的特点 | 第12-13页 |
| ·本文主要工作 | 第13-14页 |
| ·本文组织结构 | 第14-15页 |
| 2 相关理论及技术基础 | 第15-31页 |
| ·关联规则挖掘相关理论 | 第15-21页 |
| ·问题形式化描述 | 第15页 |
| ·关联规则价值的衡量方法 | 第15-17页 |
| ·两种经典关联规则挖掘算法 | 第17-21页 |
| ·贝叶斯网相关理论 | 第21-29页 |
| ·贝叶斯网基本原理 | 第21-24页 |
| ·贝叶斯网学习 | 第24-25页 |
| ·贝叶斯网推理 | 第25-29页 |
| ·本章小节 | 第29-31页 |
| 3 负关联规则挖掘 | 第31-38页 |
| ·负关联规则相关理论 | 第31页 |
| ·负关联规则挖掘算法 | 第31-33页 |
| ·现有负关联规则挖掘算法 | 第31-33页 |
| ·一种能同时挖掘正负关联规则的改进APRIORI算法 | 第33-37页 |
| ·算法描述 | 第33-35页 |
| ·算法设计 | 第35-36页 |
| ·算法分析 | 第36页 |
| ·实验 | 第36-37页 |
| ·本章小节 | 第37-38页 |
| 4 关联规则的贝叶斯网表示 | 第38-47页 |
| ·基本思想 | 第38页 |
| ·原因独立性假设 | 第38-40页 |
| ·Noisy-OR 模型 | 第39-40页 |
| ·Noisy-AND 模型 | 第40页 |
| ·算法设计 | 第40-44页 |
| ·关联规则生成 | 第41-42页 |
| ·贝叶斯网结构学习 | 第42-43页 |
| ·贝叶斯条件概率表学习 | 第43-44页 |
| ·实验 | 第44-46页 |
| ·本章小节 | 第46-47页 |
| 5 关联规则的贝叶斯网表示的应用 | 第47-56页 |
| ·关联规则的贝叶斯网表示应用 | 第47-48页 |
| ·基于原因独立性假设的贝叶斯网推理 | 第48-55页 |
| ·利用原因独立性转化贝叶斯网 | 第48-52页 |
| ·基于CI 的贝叶斯网推理 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 6 总结和展望 | 第56-57页 |
| ·总结 | 第56页 |
| ·下一步工作 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62页 |