基于正相关关联规则的分类算法

摘要	第1-4页
Abstract	第4-6页
目录	第6-8页
第一章 引言	第8-10页
·研究背景及意义	第8页
·本文的主要工作	第8-9页
·本文的内容组织	第9-10页
第二章 基于关联规则的分类	第10-23页
·数据挖掘中的分类方法	第10-16页
·基于决策树的分类	第10-11页
·贝叶斯分类	第11-12页
·人工神经网络	第12-14页
·最近邻分类	第14-15页
·支持向量机	第15-16页
·其他分类方法	第16页
·基于关联规则的分类	第16-23页
·建立基于关联规则的分类器	第17-21页
·使用基于关联规则的分类器进行分类	第21-22页
·基于关联规则的分类方法的优点	第22-23页
第三章 正相关的关联规则及相关性度量	第23-31页
·关联规则的相关性	第23-24页
·正相关的关联规则	第24-25页
·相关性度量	第25-31页
·兴趣因子	第26-28页
·相关分析	第28页
·IS度量	第28-29页
·其他度量	第29-31页
第四章 基于正相关关联规则的分类算法 CPCAR	第31-43页
·产生正相关的分类规则集	第31-35页
·改进 FP-树	第31-32页
·公共项	第32页
·相关性判断	第32-33页
·算法描述	第33-35页
·产生初始的分类规则集	第35页
·分类规则的选取	第35-40页
·基于置信度的选取	第35-37页
·基于覆盖率的选取	第37-40页
·使用分类规则集分类	第40-43页
第五章 实验结果和分析	第43-46页
·实验环境及实验数据	第43-44页
·实验分析	第44-46页
第六章 总结	第46-47页
·全文总结	第46页
·工作展望	第46-47页
参考文献	第47-52页
致谢	第52-53页
攻读硕士学位期间发表论文情况	第53页