| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第7-10页 |
| 1.1 课题提出的背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8页 |
| 1.3 论文的组织 | 第8-10页 |
| 第2章 关联规则描述及相关算法 | 第10-27页 |
| 2.1 关联规则的概念 | 第10-13页 |
| 2.1.1 基本概念 | 第10-12页 |
| 2.1.2 关联规则的分类 | 第12-13页 |
| 2.1.3 关联规则的挖掘步骤 | 第13页 |
| 2.2 关联规则挖掘的经典算法及分析 | 第13-20页 |
| 2.2.1 Apriori及其改进算法 | 第13-17页 |
| 2.2.2 不产生候选集的FP-growth算法 | 第17-20页 |
| 2.3 FP-growth算法改进 | 第20-27页 |
| 2.3.1 原算法及其存在的问题： | 第20-21页 |
| 2.3.2 基本解决思路： | 第21页 |
| 2.3.3 解决方案： | 第21-27页 |
| 第3章 挖掘频繁闭合项集 | 第27-43页 |
| 3.1 频繁闭合项集及其相关概念和性质 | 第27-33页 |
| 3.1.1 偏序和格论 | 第27-29页 |
| 3.1.2 闭合项集 | 第29-31页 |
| 3.1.3 相关重要性质 | 第31-33页 |
| 3.2 频繁闭项集的挖掘算法 | 第33-43页 |
| 3.2.1 Aclose算法 | 第33-34页 |
| 3.2.2 Closet算法 | 第34-36页 |
| 3.2.3 Closet+算法 | 第36-43页 |
| 第4章 高效挖掘F.C.I.的ECIMining算法 | 第43-55页 |
| 4.1 ECIMining算法综述 | 第43-44页 |
| 4.2 两种不同类型数据集的处理 | 第44-49页 |
| 4.2.1 优化策略 | 第44-46页 |
| 4.2.2 密集型数据集对应的算法 | 第46-48页 |
| 4.2.3 松散型数据集对应的算法 | 第48-49页 |
| 4.3 性能评价 | 第49-52页 |
| 4.3.1 算法分析 | 第49-50页 |
| 4.3.2 实验环境和数据集 | 第50页 |
| 4.3.3 实验结果 | 第50-52页 |
| 4.4 规则的生成 | 第52-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 本文总结 | 第55页 |
| 5.2 未来工作展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间发表的论文情况 | 第62-63页 |
| 学位论文评阅及答辩情况表 | 第63页 |