| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 粗糙集理论研究现状 | 第13-14页 |
| 1.2.2 关联规则研究现状 | 第14-15页 |
| 1.2.3 交叉销售研究现状 | 第15页 |
| 1.3 本文工作 | 第15-16页 |
| 1.4 组织结构 | 第16-18页 |
| 第2章 粗糙集与关联规则相关理论 | 第18-28页 |
| 2.1 粗糙集基本概念 | 第18-21页 |
| 2.1.1 经典集合论基础知识 | 第18-19页 |
| 2.1.2 知识表达系统与决策系统 | 第19页 |
| 2.1.3 粗糙集相关概念 | 第19-20页 |
| 2.1.4 知识约简 | 第20-21页 |
| 2.2 关联规则 | 第21-26页 |
| 2.2.1 关联规则概念及性质 | 第22-23页 |
| 2.2.2 关联规则的分类 | 第23-24页 |
| 2.2.3 粗糙集与关联规则的关系 | 第24页 |
| 2.2.4 交叉销售与CRM | 第24-26页 |
| 2.2.5 关联规则在交叉销售中的应用 | 第26页 |
| 2.3 本章小结 | 第26-28页 |
| 第3章 数据预处理 | 第28-34页 |
| 3.1 数据预处理的必要性 | 第28-29页 |
| 3.2 数据预处理方法 | 第29页 |
| 3.3 数据离散化处理 | 第29-30页 |
| 3.4 数据概化形成决策表 | 第30-31页 |
| 3.5 基于近似质量的属性约简算法 | 第31-32页 |
| 3.6 本章小结 | 第32-34页 |
| 第4章 基于垂直格式数据分布的关联规则挖掘算法 | 第34-42页 |
| 4.1 引言 | 第34页 |
| 4.2 问题描述 | 第34页 |
| 4.3 经典的关联规则挖掘算法（Apriori） | 第34-38页 |
| 4.3.1 Apriori算法核心思想 | 第34-36页 |
| 4.3.2 Apriori应用实例 | 第36-38页 |
| 4.4 基于垂直格式数据分布的Apriori算法描述 | 第38-41页 |
| 4.4.1 垂直格式数据分布的概念 | 第38页 |
| 4.4.2 基于垂直格式数据分布的关联规则挖掘算法描述 | 第38-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 实验与分析 | 第42-60页 |
| 5.1 数据集介绍 | 第42页 |
| 5.2 实验环境与工具 | 第42-43页 |
| 5.3 实验过程 | 第43-57页 |
| 5.3.1 数据预处理 | 第44-51页 |
| 5.3.2 属性约简构造新的数据集 | 第51-52页 |
| 5.3.3 挖掘关联规则 | 第52-57页 |
| 5.4 实验结果与分析 | 第57-59页 |
| 5.5 本章小结 | 第59-60页 |
| 结论与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间发表的学术论文 | 第66-68页 |
| 致谢 | 第68页 |