| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题研究背景及其意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·论文主要工作及创新点 | 第14-15页 |
| ·论文主要工作 | 第14页 |
| ·论文创新点 | 第14-15页 |
| ·论文的组织结构 | 第15-16页 |
| 第2章 关联规则挖掘理论基础概述 | 第16-20页 |
| ·关联规则概念 | 第16-19页 |
| ·关联规则相关定义 | 第16-17页 |
| ·关联规则挖掘流程 | 第17-18页 |
| ·关联规则挖掘的研究现状 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 高校突发事件预处理分析 | 第20-28页 |
| ·高校突发事件定义及分类 | 第20页 |
| ·数据的预处理过程 | 第20-23页 |
| ·高校突发事件的预处理过程 | 第23-27页 |
| ·高校突发事件因素提取 | 第24-25页 |
| ·高校突发事件数据清理 | 第25-26页 |
| ·高校突发事件数据集成与转换 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第4章 基于GEP和复杂网络的关联规则挖掘算法研究 | 第28-46页 |
| ·GEP算法相关概念 | 第28-29页 |
| ·复杂网络相关概念 | 第29页 |
| ·基于GEP的复杂网络社区划分算法 | 第29-36页 |
| ·构建突发事件复杂网络 | 第29-31页 |
| ·基于GEP的复杂网络划分算法 | 第31-36页 |
| ·GEP-ECD算法的检验与分析 | 第36-39页 |
| ·实验一仿真实验 | 第36-38页 |
| ·实验二高校突发事件复杂网络实验 | 第38-39页 |
| ·基于GEP和复杂网络的关联规则算法 | 第39-41页 |
| ·基于Apriori算法的关联规则挖掘 | 第40页 |
| ·改进的关联规则挖掘算法 | 第40-41页 |
| ·GCAR算法检验与分析 | 第41-45页 |
| ·参数设置 | 第42页 |
| ·结果分析 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 GCAR算法在高校突发事件预测中的应用 | 第46-58页 |
| ·高校突发事件数据 | 第46-50页 |
| ·事件属性概化 | 第46-47页 |
| ·事件属性符号化 | 第47-50页 |
| ·高校突发事件预测模型的建立与分析 | 第50-54页 |
| ·高校突发事件预测模型 | 第50-51页 |
| ·关联规则库建立 | 第51-53页 |
| ·关联规则匹配 | 第53-54页 |
| ·实验和结果分析 | 第54-57页 |
| ·预测准确率衡量标准 | 第54-56页 |
| ·结果分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-62页 |
| ·总结 | 第58-60页 |
| ·本文的主要工作 | 第58-59页 |
| ·本文的贡献与创新 | 第59-60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 附录A 本文作者在攻读硕士学位期间参加的科研项目 | 第66页 |
| 附录B 本文作者在攻读硕士学位期间所发表的论文 | 第66-67页 |
| 致谢 | 第67-68页 |