| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 选题的研究意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 论文的研究思想和内容安排 | 第10-12页 |
| 1.3.1 本文的研究内容 | 第10-11页 |
| 1.3.2 本文的组织和安排 | 第11-12页 |
| 2 关联规则与模糊理论 | 第12-18页 |
| 2.1 关联规则概述 | 第12页 |
| 2.2 关联规则定义 | 第12-13页 |
| 2.2.1 支持度 | 第13页 |
| 2.2.2 置信度 | 第13页 |
| 2.3 关联规则的应用 | 第13-14页 |
| 2.4 模糊理论 | 第14-18页 |
| 2.4.1 模糊数学 | 第14-15页 |
| 2.4.2 模糊语言变量 | 第15页 |
| 2.4.3 隶属函数 | 第15-18页 |
| 3 遗传算法的相关理论 | 第18-24页 |
| 3.1 遗传算法概述 | 第18页 |
| 3.2 染色体的表示 | 第18-19页 |
| 3.3 评估函数 | 第19-21页 |
| 3.3.1 重叠率 | 第20页 |
| 3.3.2 覆盖率 | 第20-21页 |
| 3.3.3 评估函数 | 第21页 |
| 3.4 交叉操作 | 第21-24页 |
| 3.4.1 二进制编码的交叉操作 | 第21-22页 |
| 3.4.2 Parodi和Bonelli编码的交叉操作 | 第22-24页 |
| 4 基于遗传算法的优化关联规则挖掘 | 第24-52页 |
| 4.1 基于遗传算法的隶属函数优化算法 | 第24-25页 |
| 4.2 关联规则挖掘算法 | 第25-26页 |
| 4.3 实例分析 | 第26-52页 |
| 4.3.1 基于遗传算法的隶属函数优化算法 | 第27-46页 |
| 4.3.2 关联规则挖掘算法 | 第46-52页 |
| 5 实验评估 | 第52-58页 |
| 5.1 Apriori算法所得关联规则与基于遗传算法所得优化关联规则的比较. | 第52-54页 |
| 5.2 采用柯西分布数据模拟后所得关联规则的置信度情况 | 第54-55页 |
| 5.3 Apriori算法和隶属函数优化前后所得关联规则的置信度比较 | 第55-58页 |
| 6 结论 | 第58-60页 |
| 参考文献 | 第60-62页 |
| 在校期间的研究成果 | 第62-64页 |
| 致谢 | 第64页 |
