| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 引言 | 第9-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 问题的提出 | 第12-13页 |
| 1.4 论文各部分主要内容 | 第13-15页 |
| 第二章 数据挖掘及关联规则技术 | 第15-24页 |
| 2.1 数据挖掘的概念 | 第15-16页 |
| 2.2 数据挖掘的分类 | 第16-18页 |
| 2.3 数据挖掘的过程 | 第18-19页 |
| 2.4 数据挖掘的应用 | 第19-21页 |
| 2.5 关联规则挖掘技术 | 第21-22页 |
| 2.6 关联规则基本步骤 | 第22页 |
| 2.7 关联规则的分类 | 第22-23页 |
| 2.8 本章小结 | 第23-24页 |
| 第三章 Apriori算法及改进 | 第24-31页 |
| 3.1 Apriori算法思想及伪代码 | 第24-25页 |
| 3.2 Apriori算法分析 | 第25-26页 |
| 3.3 Apriori算法缺陷 | 第26页 |
| 3.4 Apriori现有的改进算法 | 第26-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 新改进算法的提出及分析 | 第31-39页 |
| 4.1 现有改进算法的问题及不足 | 第31页 |
| 4.2 新改进算法的思想及特点 | 第31-32页 |
| 4.3 基于相关兴趣度的关联规则问题 | 第32-37页 |
| 4.3.1 Part-Corr-confidence度量的定义 | 第33-35页 |
| 4.3.2 Part-Corr-confidence度量的优势 | 第35-37页 |
| 4.4 新改进算法的实现 | 第37-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第五章 关联规则算法在互联网教育领域的应用 | 第39-46页 |
| 5.1 互联网教育的特点及优势 | 第39-40页 |
| 5.2 数据挖掘在互联网教育中的应用 | 第40页 |
| 5.3 基于关联规则的知识推荐系统 | 第40-45页 |
| 5.4 本章小结 | 第45-46页 |
| 第六章 总结和展望 | 第46-48页 |
| 6.1 总结 | 第46-47页 |
| 6.2 展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51页 |