最小支持度为区间值的加权Apriori算法
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-14页 |
| 2 基本理论知识 | 第14-21页 |
| 2.1 数据挖掘的任务及方法 | 第14-15页 |
| 2.2 关联分析理论 | 第15-17页 |
| 2.2.1 关联规则的基本概念 | 第15-16页 |
| 2.2.2 关联规则的分类及性质 | 第16-17页 |
| 2.3 Apriori关联规则挖掘算法 | 第17-18页 |
| 2.3.1 算法的基本思想 | 第17页 |
| 2.3.2 算法的步骤及流程图 | 第17-18页 |
| 2.4 实例分析 | 第18-19页 |
| 2.5 基于Apriori算法的优化算法 | 第19-21页 |
| 3 基于位串的Apriori改进算法 | 第21-28页 |
| 3.1 改进算法的提出 | 第21页 |
| 3.2 改进算法的基本思想 | 第21-22页 |
| 3.3 改进算法的性质 | 第22页 |
| 3.4 改进算法流程图及步骤 | 第22-25页 |
| 3.5 数值实验 | 第25-27页 |
| 3.5.1 实验数据及环境 | 第25页 |
| 3.5.2 实验结果分析 | 第25-27页 |
| 3.6 小结 | 第27-28页 |
| 4 最小支持度为区间值的加权Apriori算法 | 第28-39页 |
| 4.1 基本概念及方法 | 第28-30页 |
| 4.1.1 加权关联规则的概念 | 第28页 |
| 4.1.2 可能度公式 | 第28页 |
| 4.1.3 区间数转换为联系数 | 第28-29页 |
| 4.1.4 区间估计量化方法 | 第29-30页 |
| 4.2 改进算法提出 | 第30页 |
| 4.3 改进算法措施及主要思想 | 第30-31页 |
| 4.3.1 区间型加权方法 | 第30页 |
| 4.3.2 区间型最小支持度方法 | 第30-31页 |
| 4.3.3 改进算法剪枝策略 | 第31页 |
| 4.4 改进Apriori算法 | 第31-35页 |
| 4.5 数值实验 | 第35-38页 |
| 4.5.1 实验数据及环境 | 第35页 |
| 4.5.2 实验结果分析 | 第35-38页 |
| 4.6 小结 | 第38-39页 |
| 5 改进算法实例分析 | 第39-42页 |
| 5.1 数据来源 | 第39页 |
| 5.2 数据预处理 | 第39页 |
| 5.3 实例分析 | 第39-41页 |
| 5.4 小结 | 第41-42页 |
| 结论 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 作者简历 | 第46-48页 |
| 学位论文数据集 | 第48-49页 |
