| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 主要研究内容 | 第11页 |
| 1.4 论文组织安排 | 第11-13页 |
| 2 相关关联规则挖掘算法分析 | 第13-22页 |
| 2.1 Apriori算法 | 第13-15页 |
| 2.2 基于蚁群算法的关联规则挖掘 | 第15-17页 |
| 2.3 基于粒子群算法的关联规则挖掘 | 第17-19页 |
| 2.4 基于PSO-SA算法的关联规则挖掘 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 3 混合蚁群粒子群算法 | 第22-39页 |
| 3.1 混合蚁群粒子群算法基本思想 | 第22-23页 |
| 3.2 ACO-MPSO算法设计 | 第23-28页 |
| 3.2.1 数据预处理 | 第23-24页 |
| 3.2.2 最大频繁项集的挖掘 | 第24-27页 |
| 3.2.3 兴趣度引入 | 第27页 |
| 3.2.4 强关联规则的生成 | 第27-28页 |
| 3.3 实验分析 | 第28-38页 |
| 3.3.1 评价模型的建立 | 第28-29页 |
| 3.3.2 规则质量与综合评价函数值的计算 | 第29-30页 |
| 3.3.3 ACO-MPSO算法参数的确定 | 第30-33页 |
| 3.3.4 实验结果及其分析 | 第33-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 基于ACO-MPSO算法的关联规则挖掘 | 第39-50页 |
| 4.1 数据预处理 | 第39页 |
| 4.2 关联规则挖掘过程 | 第39-44页 |
| 4.2.1 最大频繁项集的挖掘 | 第40-41页 |
| 4.2.2 强关联规则的生成 | 第41-42页 |
| 4.2.3 挖掘结果及其分析 | 第42-44页 |
| 4.3 基于ACO-PSO算法的关联规则挖掘准确性检验 | 第44-49页 |
| 4.3.1 准确性检验实验设计 | 第44-45页 |
| 4.3.2 实验结果及分析 | 第45-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5 总结与展望 | 第50-52页 |
| 5.1 本文研究工作总结 | 第50页 |
| 5.2 工作展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录 | 第56页 |