基于概念格模型的关联规则挖掘算法研究及实现
| 第一章 序论 | 第1-22页 |
| 1．1 引言 | 第10-11页 |
| 1．1．1 信息技术的发展 | 第10-11页 |
| 1．1．2 隐性知识的应用 | 第11页 |
| 1．2 KDD和数据挖掘 | 第11-18页 |
| 1．2．1 理解KDD | 第12-13页 |
| 1．2．2 KDD过程和任务 | 第13-14页 |
| 1．2．3 数据挖掘概念 | 第14-15页 |
| 1．2．4 数据挖掘系统构成 | 第15-17页 |
| 1．2．5 数据挖掘和统计学 | 第17-18页 |
| 1．3 数据挖掘的发展 | 第18-21页 |
| 1．3．1 数据挖掘的动态 | 第18-19页 |
| 1．3．2 数据挖掘的研究焦点 | 第19-21页 |
| 1．4 本文的结构 | 第21-22页 |
| 第二章 传统概念格研究及扩展 | 第22-30页 |
| 2．1 格的基本理论和代数格 | 第22-23页 |
| 2．2 形式概念分析和概念格 | 第23-27页 |
| 2．2．1 FCA理论背景 | 第23-26页 |
| 2．2．2 FCA和概念格的关系 | 第26-27页 |
| 2．3 概念格研究概况 | 第27-30页 |
| 2．3．1 传统的概念格研究 | 第27-28页 |
| 2．3．2 扩展概念格 | 第28-29页 |
| 2．3．3 概念格结构的变形 | 第29-30页 |
| 第三章 经典关联规则算法研究 | 第30-37页 |
| 3．1 研究背景 | 第30页 |
| 3．2 关联规则理论 | 第30-33页 |
| 3．2．1 关联规则度量 | 第30-33页 |
| 3．2．2 关联规则挖掘类型 | 第33页 |
| 3．3 关联规则相关算法及分析 | 第33-36页 |
| 3．3．1 Apriori算法及优化 | 第34-36页 |
| 3．3．2 FP-增长算法 | 第36页 |
| 3．4 值得注意的问题 | 第36-37页 |
| 第四章 基于概念格模型挖掘关联规则 | 第37-55页 |
| 4．1 基于格结构挖掘关联规则 | 第37页 |
| 4．2 基于概念格模型挖掘关联规则 | 第37-51页 |
| 4．2．1 扩展概念格的构造算法 | 第38-45页 |
| 4．2．2 一种快速的概念格构造算法ImpG1 | 第45-47页 |
| 4．2．3 关联规则挖掘算法 | 第47-51页 |
| 4．3 实验的验证 | 第51-55页 |
| 第五章 基于剪枝概念格模型挖掘关联规则 | 第55-64页 |
| 5．1 研究背景和来源 | 第55-56页 |
| 5．1．1 数据挖掘需要不完备性 | 第55页 |
| 5．1．2 缩减概念格的必要性 | 第55-56页 |
| 5．2 剪枝概念格的构造算法 | 第56-60页 |
| 5．2．1 顺序剪枝 | 第56-57页 |
| 5．2．2 同步剪枝 | 第57-59页 |
| 5．2．3 频繁项集的挖掘 | 第59页 |
| 5．2．4 两种剪枝方法比较 | 第59-60页 |
| 5．3 挖掘特定的关联规则 | 第60-62页 |
| 5．4 实验的验证 | 第62-64页 |
| 第六章 关联规则的分布式挖掘 | 第64-76页 |
| 6．1 分布式数据挖掘 | 第64-66页 |
| 6．1．1 分布式数据挖掘的产生背景 | 第64-65页 |
| 6．1．2 分布式数据挖掘 | 第65页 |
| 6．1．3 分布式数据挖掘的研究现状 | 第65-66页 |
| 6．2 分布式挖掘关联规则 | 第66-72页 |
| 6．2．1 分布式关联规则发现的研究现状 | 第67-68页 |
| 6．2．2 分布式概念格研究 | 第68-69页 |
| 6．2．3 原理及可行性证明 | 第69-72页 |
| 6．3 一种分布式关联规则挖掘体系结构 | 第72-76页 |
| 6．3．1 相关定理 | 第72-73页 |
| 6．3．2 体系结构描述 | 第73页 |
| 6．3．3 分布式挖掘算法 | 第73-76页 |
| 第七章 算法结果演示 | 第76-83页 |
| 第八章 总结及展望 | 第83-85页 |
| 参考文献 | 第85-91页 |
| 附录一 攻读硕士期间发表的论文 | 第91页 |
