| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 课题研究的背景和意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文的研究目的和研究内容 | 第11页 |
| 1.3.1 研究目的 | 第11页 |
| 1.3.2 研究内容 | 第11页 |
| 1.4 论文的结构安排 | 第11-13页 |
| 2 相关理论和关键技术 | 第13-25页 |
| 2.1 关联分类 | 第13-17页 |
| 2.1.1 概述 | 第13-14页 |
| 2.1.2 基本概念 | 第14-16页 |
| 2.1.3 数量型关联分类 | 第16-17页 |
| 2.2 离散化及“离散盲目性”问题 | 第17-19页 |
| 2.2.1 离散化 | 第17-18页 |
| 2.2.2 离散盲目性问题 | 第18-19页 |
| 2.3 LAZY 思想 | 第19-20页 |
| 2.4 K 近邻分类原理 | 第20-22页 |
| 2.5 基于频繁闭项集关联规则挖掘算法 | 第22-24页 |
| 2.5.1 频繁闭项集的优点 | 第22-23页 |
| 2.5.2 挖掘关联规则 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 3 基于属性投影的关联分类技术 | 第25-30页 |
| 3.1 概述 | 第25页 |
| 3.2 算法基本流程 | 第25-28页 |
| 3.2.1 算法步骤介绍 | 第26-27页 |
| 3.2.2 投影技术 | 第27-28页 |
| 3.3 算法分析 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 4 QLAC:基于 Lazy 方法的数量型关联分类 | 第30-49页 |
| 4.1 方法的提出 | 第30-31页 |
| 4.2 QLAC 算法思想 | 第31-34页 |
| 4.3 数据预处理 | 第34-36页 |
| 4.4 基于 K 近邻的投影 | 第36-38页 |
| 4.5 基于 K-MEANS 的聚类离散化方法 | 第38-41页 |
| 4.5.1 K-means 算法 | 第38页 |
| 4.5.2 基于 K-means 的聚类离散化 | 第38-41页 |
| 4.6 挖掘关联规则并构造分类器 | 第41-48页 |
| 4.6.1 利用 Charm 算法挖掘频繁闭项集 | 第42-45页 |
| 4.6.2 构造分类器 | 第45-48页 |
| 4.7 算法的时间复杂度分析 | 第48页 |
| 4.8 本章小结 | 第48-49页 |
| 5 实验及结果分析 | 第49-57页 |
| 5.1 实验数据 | 第49页 |
| 5.2 实验方法 | 第49-51页 |
| 5.2.1 十折交叉验证法 | 第49-50页 |
| 5.2.2 规则的匹配原则 | 第50页 |
| 5.2.3 评价标准 | 第50-51页 |
| 5.3 实验结果 | 第51-56页 |
| 5.3.1 参数设置 | 第51-53页 |
| 5.3.2 与 K-近邻分类算法的分类准确率对比 | 第53页 |
| 5.3.3 与现有关联分类算法分类的准确率对比 | 第53-54页 |
| 5.3.4 与 CBA 的分类器大小比较 | 第54-56页 |
| 5.4 本章小节 | 第56-57页 |
| 6 总结 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63页 |
| 作者在硕士学位期间发表的学术论文 | 第63页 |