| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 绪论 | 第9-11页 |
| 第一章 数据挖掘理论研究 | 第11-17页 |
| ·数据挖掘的定义 | 第11页 |
| ·数据挖掘的数据来源 | 第11-12页 |
| ·数据挖掘的分类与方法 | 第12-13页 |
| ·数据挖掘的分类 | 第12页 |
| ·数据挖掘的方法 | 第12-13页 |
| ·数据挖掘的过程 | 第13-15页 |
| ·数据挖掘的应用研究 | 第15-16页 |
| ·数据挖掘在行业中的应用 | 第15页 |
| ·数据挖掘带来的效益 | 第15-16页 |
| 本章小结 | 第16-17页 |
| 第二章 关联规则研究 | 第17-22页 |
| ·关联规则的基本概念 | 第17-18页 |
| ·问题描述和基本概念 | 第17页 |
| ·关联规则的种类 | 第17-18页 |
| ·关联规则的主要任务 | 第18页 |
| ·关联规则挖掘典型算法 | 第18-19页 |
| ·关联规则挖掘的研究现状 | 第19-20页 |
| ·进一步研究的方向 | 第20-21页 |
| 本章小结 | 第21-22页 |
| 第三章 一种新的挖掘算法VipApriori | 第22-39页 |
| ·FSC 问题研究 | 第22页 |
| ·Apriori 算法的研究 | 第22-25页 |
| ·Apriori 算法基本思想 | 第22-23页 |
| ·Apriori 算法描述 | 第23-24页 |
| ·Apriori 算法存在的缺陷 | 第24-25页 |
| ·Apriori 算法现有的改进 | 第25页 |
| ·一种改进的 VipApriori 算法 | 第25-33页 |
| ·最大频繁项集 | 第26页 |
| ·改进VipApriori 算法的思想 | 第26页 |
| ·改进VipApriori 算法的描述 | 第26-30页 |
| ·VipApriori 算法的步骤 | 第30页 |
| ·改进算法流程图 | 第30-31页 |
| ·改进算法实现 | 第31-33页 |
| ·VipApriori 算法实例分析与性能比较 | 第33-36页 |
| ·VipApriori 算法实例分析 | 第33-34页 |
| ·空间占用情况分析 | 第34-35页 |
| ·时间复杂度分析 | 第35页 |
| ·试验结果对比 | 第35-36页 |
| ·改进的算法总结 | 第36-38页 |
| ·VipApriori 算法的优点 | 第36-37页 |
| ·算法在实际应用中的作用 | 第37页 |
| ·算法在理论上需要改进的方面 | 第37-38页 |
| ·算法在实际应用中需要改进的方面 | 第38页 |
| 本章小结 | 第38-39页 |
| 第四章 个性化推荐系统分析与总体设计 | 第39-51页 |
| ·系统背景介绍 | 第39-41页 |
| ·推荐系统依附的教学平台说明 | 第39-40页 |
| ·个性化推荐系统研究现状 | 第40-41页 |
| ·关联规规则在推荐系统中的应用 | 第41页 |
| ·开发环境、工具以及相关技术 | 第41-43页 |
| ·开发环境与工具 | 第41页 |
| ·相关技术 | 第41-43页 |
| ·个性化推荐系统总体设计 | 第43-50页 |
| ·个性化推荐技术 | 第44-46页 |
| ·推荐系统需求分析 | 第46-47页 |
| ·推荐系统开发模型设计 | 第47-49页 |
| ·推荐系统功能模块设计 | 第49-50页 |
| 本章小结 | 第50-51页 |
| 第五章 VipApriori 算法在推荐系统中的应用 | 第51-60页 |
| ·个性化智能推荐系统的设计 | 第51-55页 |
| ·基本思想 | 第51-53页 |
| ·基本流程描述 | 第53-54页 |
| ·个性化推荐系统流程图 | 第54-55页 |
| ·个性化智能推荐系统的实现 | 第55-58页 |
| ·数据准备 | 第55-56页 |
| ·挖掘关联规则 | 第56-57页 |
| ·规则理解 | 第57-58页 |
| ·改进算法在推荐系统中的性能评价 | 第58页 |
| ·推荐系统进一步的改进方向 | 第58-59页 |
| ·面临的主要挑战 | 第58-59页 |
| ·进一步研究方向 | 第59页 |
| 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间发表的学术论文 | 第64-65页 |
| 致谢 | 第65-66页 |