基于兴趣度的增量数据挖掘算法的研究
| 第一章 绪论 | 第1-14页 |
| 1．1 数据挖掘技术简介 | 第6-8页 |
| 1．2 数据挖掘的要求 | 第8页 |
| 1．3 数据挖掘的基本方法和应用 | 第8-10页 |
| 1．4 数据挖掘的工具 | 第10-11页 |
| 1．5 数据挖掘技术的研究方向 | 第11-12页 |
| 1．6 本文研究目的与内容 | 第12-14页 |
| 第二章 相关理论基础 | 第14-23页 |
| 2．1 关联规则的基本概念 | 第14-17页 |
| 2．2 关联规则挖掘要点 | 第17-18页 |
| 2．3 关联规则挖掘算法 | 第18-21页 |
| 2．3．1 关联规则挖掘的经典算法 | 第18-20页 |
| 2．3．2 关联规则的若干改进算法 | 第20-21页 |
| 2．4 关联规则挖掘技术的研究方向 | 第21-23页 |
| 第三章 兴趣度的描述 | 第23-30页 |
| 3．1 问题的提出 | 第24页 |
| 3．2 关联规则兴趣度的引入 | 第24-26页 |
| 3．2．1 有趣性问题的主观评测 | 第24-25页 |
| 3．2．2 非预期性和可操作性之间的关系 | 第25-26页 |
| 3．3 兴趣度的形式定义 | 第26-30页 |
| 3．3．1 模板（templates）匹配法 | 第26-28页 |
| 3．3．2 兴趣度的形式表述 | 第28-29页 |
| 3．3．3 兴趣度的具体算法描述 | 第29-30页 |
| 第四章 增量关联规则的挖掘 | 第30-42页 |
| 4．1 有关时态数据库的基本概念 | 第30-31页 |
| 4．2 相邻关系和增量的定义 | 第31-32页 |
| 4．3 时态数据库中增量关联规则的基本模型 | 第32-34页 |
| 4．4 定性属性方法处理增量关联规则 | 第34-40页 |
| 4．5 基于兴趣度的增量挖掘算法 | 第40-42页 |
| 第五章 基于定量属性的增量关联规则 | 第42-47页 |
| 5．1 定量关联规则的基本模型 | 第42-43页 |
| 5．2 定量属性离散化方法 | 第43-46页 |
| 5．2．1 等深度分段 | 第45-46页 |
| 5．2．2 聚类方法 | 第46页 |
| 5．3 小结 | 第46-47页 |
| 第六章 增量关联规则挖掘算法的实例 | 第47-52页 |
| 6．1 基于等间隔划分的Apriori算法 | 第48-50页 |
| 6．2 基于间隔分类的DHA算法 | 第50-51页 |
| 6．3 实例中关联规则的具体意义 | 第51-52页 |
| 第七章 总结与展望 | 第52-54页 |
| 7．1 本文工作的总结 | 第52页 |
| 7．2 需进一步研究的问题 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56页 |
