摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第9-21页 |
1.1 课题研究背景及研究意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-14页 |
1.2.1 关联规则挖掘算法研究现状 | 第10-13页 |
1.2.2 基于地理位置信息的聚类算法研究现状 | 第13页 |
1.2.3 基于地理位置信息的关联规则挖掘研究现状 | 第13-14页 |
1.3 关联规则挖掘算法概述 | 第14-18页 |
1.3.1 关联规则基本概念 | 第14-16页 |
1.3.2 关联规则的分类 | 第16-18页 |
1.4 论文主要工作 | 第18-19页 |
1.5 论文的组织结构 | 第19-21页 |
第2章 基于地理位置信息的关联规则挖掘方法设计 | 第21-29页 |
2.1 实验内容概述 | 第21-22页 |
2.2 挖掘方法总体流程 | 第22-23页 |
2.3 关键问题设计 | 第23-27页 |
2.4 开发实验环境 | 第27页 |
2.5 本章小结 | 第27-29页 |
第3章 实验数据收集与预处理 | 第29-35页 |
3.1 实验数据源的获取 | 第29-31页 |
3.2 实验数据的预处理 | 第31-32页 |
3.3 对地标类型的归并 | 第32-33页 |
3.4 本章小结 | 第33-35页 |
第4章 基于聚类算法的数据转换 | 第35-45页 |
4.1 聚类算法比较 | 第35-38页 |
4.1.1 基于划分的聚类算法 | 第35-36页 |
4.1.2 基于层次的聚类算法 | 第36-37页 |
4.1.3 基于密度的聚类算法 | 第37-38页 |
4.2 DBSCAN聚类算法 | 第38-40页 |
4.3 聚类算法生成布尔型数据库 | 第40-44页 |
4.4 本章小结 | 第44-45页 |
第5章 基于事务集划分的关联规则挖掘 | 第45-63页 |
5.1 关联规则挖掘算法比较 | 第45-52页 |
5.1.1 经典Apriori算法 | 第45-49页 |
5.1.2 Apriori算法的改进研究 | 第49-51页 |
5.1.3 Apriori算法的可靠性研究 | 第51-52页 |
5.2 基于Apriori改进的FP-Tree算法 | 第52-56页 |
5.3 基于事务集划分的关联规则挖掘 | 第56-62页 |
5.3.1 粗粒度关联规则挖掘 | 第57-60页 |
5.3.2 细粒度关联规则挖掘 | 第60-62页 |
5.4 本章小结 | 第62-63页 |
第6章 基于距离信息扩展的关联规则挖掘 | 第63-67页 |
6.1 基于距离的信息扩展方法 | 第63-64页 |
6.2 距离信息扩展后的关联规则挖掘 | 第64-66页 |
6.2.1 地标点的扩展 | 第64-65页 |
6.2.2 扩展后的关联规则挖掘 | 第65-66页 |
6.3 本章小结 | 第66-67页 |
第7章 实验对比与性能分析 | 第67-71页 |
7.1 实验对比 | 第67-68页 |
7.2 挖掘方法的性能分析 | 第68-69页 |
7.3 本章小结 | 第69-71页 |
结论 | 第71-73页 |
参考文献 | 第73-77页 |
攻读硕士学位期间发表的学术论文 | 第77-79页 |
致谢 | 第79页 |