| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景和研究目的 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究目的 | 第10-11页 |
| 1.2 本文结构 | 第11-12页 |
| 第二章 相关理论概述 | 第12-24页 |
| 2.1 关联分类 | 第12-18页 |
| 2.1.1 频繁特征与关联规则的基本概念 | 第12-14页 |
| 2.1.2 经典Apriori算法 | 第14-17页 |
| 2.1.3 CBA算法 | 第17-18页 |
| 2.2 抽样分布的相关概述 | 第18-20页 |
| 2.2.1 中心极限定理 | 第18-19页 |
| 2.2.2 简单随机抽样 | 第19-20页 |
| 2.3 贝叶斯估计 | 第20-22页 |
| 2.4 聚类算法 | 第22-23页 |
| 2.5 遗传算法 | 第23-24页 |
| 第三章 基于随机分布特征的关联分类算法研究 | 第24-47页 |
| 3.1 基于随机分布特征的关联分类规则的提取 | 第24-39页 |
| 3.1.1 问题概述 | 第24-25页 |
| 3.1.2 项变量样本均值分布与参数的贝叶斯估计 | 第25-27页 |
| 3.1.3 基于随机分布特征的关联分类算法 | 第27-31页 |
| 3.1.4 改进关联分类方法的规则提取与表示 | 第31-36页 |
| 3.1.5 改进关联分类方法的规则与CBA算法规则的比较分析 | 第36-39页 |
| 3.2 基于随机分布特征的关联分类规则的动态更新算法 | 第39-46页 |
| 3.2.1 关联分类规则的动态更新及算法设计 | 第39-41页 |
| 3.2.2 贝叶斯分布与关联分类规则的动态更新 | 第41-44页 |
| 3.2.3 贝叶斯分布的动态规则更新与CBA算法结果的比较分析 | 第44-46页 |
| 3.3 本章小结 | 第46-47页 |
| 第四章 基于遗传算法的关联分类规则选优研究 | 第47-58页 |
| 4.1 问题概述 | 第47页 |
| 4.2 基于遗传算法的关联分类规则选优方法 | 第47-54页 |
| 4.2.1 关联分类规则的向量表示 | 第47-48页 |
| 4.2.2 规则选优的遗传算法设计 | 第48-54页 |
| 4.3 规则选优关联分类与一般关联分类的结果比较分析 | 第54-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 改进的关联分类与选优方法在高校资产保障水平知识推理的应用 | 第58-66页 |
| 5.1 高校资产保障水平的数据收集及预处理 | 第58-59页 |
| 5.2 改进的关联分类与选优方法提取的有代表性关联分类规则 | 第59-64页 |
| 5.2.1 应用基于随机分布特征的关联分类算法评价高校资产保障水平 | 第59-62页 |
| 5.2.2 应用基于遗传算法的规则选优过程评价高校资产保障水平 | 第62-64页 |
| 5.3 规则推理检验与分析 | 第64-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 附件 | 第71页 |
