| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-32页 |
| ·研究背景、目的和意义 | 第13-15页 |
| ·国内外研究现状 | 第15-28页 |
| ·数据挖掘技术的概念及国内外研究现状 | 第15-20页 |
| ·关联挖掘算法的研究现状 | 第20-26页 |
| ·关联规则挖掘的应用 | 第26-28页 |
| ·存在问题与发展趋势 | 第28-29页 |
| ·本文研究内容 | 第29-30页 |
| ·本文组织结构 | 第30-32页 |
| 第2章 基于第一范式的强相关项目对挖掘算法 | 第32-46页 |
| ·引言 | 第32-33页 |
| ·基本概念 | 第33-35页 |
| ·TAPER 算法与皮尔森关联系数 | 第35-37页 |
| ·关联挖掘中第一范式理论的应用 | 第37-38页 |
| ·基于1NF 的强相关项目对挖掘算法 | 第38-42页 |
| ·实验结果 | 第42-45页 |
| ·实验数据集 | 第42-43页 |
| ·实验分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第3章 TOP-K 强相关项目对挖掘算法 | 第46-66页 |
| ·引言 | 第46-47页 |
| ·背景和有关理论分析 | 第47-50页 |
| ·TAPER 算法 | 第48页 |
| ·利用TaperR 算法挖掘Top-K 强相关项目对 | 第48-49页 |
| ·Tkcp 算法 | 第49-50页 |
| ·相关图矩阵理论 | 第50-52页 |
| ·基于相关图矩阵的技术 | 第50-51页 |
| ·相关图矩阵的构建 | 第51-52页 |
| ·基于相关矩阵的TOP-K 强相关项目对挖掘算法 | 第52-58页 |
| ·提取top-k 强关联项目对的TSCIPE 算法 | 第53-54页 |
| ·TSCIPE 算法的分析 | 第54-55页 |
| ·算法的性能评估 | 第55-58页 |
| ·基于阈值估计的TOP-K 强相关对高效挖掘算法 | 第58-65页 |
| ·算法描述 | 第58-63页 |
| ·实验分析 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第4章 多维关联模式对的挖掘算法 | 第66-95页 |
| ·引言 | 第66-67页 |
| ·基本概念 | 第67-69页 |
| ·基于用户优先模型的支持度阈值设定法 | 第69-75页 |
| ·多维关联挖掘 | 第69页 |
| ·构建用户优先模型 | 第69-70页 |
| ·最小支持度的智能设定方法 | 第70-75页 |
| ·频繁关联模式对挖掘算法 | 第75-84页 |
| ·模式对的基本性质 | 第76-77页 |
| ·封闭模式树 | 第77页 |
| ·静态阈值频繁关联模式对挖掘算法 | 第77-80页 |
| ·动态阈值频繁关联模式对挖掘算法 | 第80-84页 |
| ·实验分析 | 第84-94页 |
| ·本章小结 | 第94-95页 |
| 第5章 领域知识驱动的图像关联模式挖掘算法 | 第95-107页 |
| ·引言 | 第95-96页 |
| ·预处理 | 第96-99页 |
| ·算法理论基础 | 第99-101页 |
| ·基本概念 | 第99页 |
| ·FP-GROWTH 算法 | 第99-100页 |
| ·EXFP-GROWTH 算法的基本思想 | 第100-101页 |
| ·实例 | 第101-104页 |
| ·基于领域知识驱动的EXFP-GROWTH 挖掘算法 | 第104页 |
| ·算法分析 | 第104-106页 |
| ·本章小结 | 第106-107页 |
| 结论 | 第107-109页 |
| 参考文献 | 第109-120页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第120-121页 |
| 致谢 | 第121-122页 |
| 个人简历 | 第122页 |
