基于蚁群算法的关联规则挖掘在营销中的应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 选题背景和研究意义 | 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11-12页 |
| 1.4 本文的组织结构 | 第12-13页 |
| 第二章 蚁群算法概述 | 第13-19页 |
| 2.1 蚁群算法的起源 | 第13-14页 |
| 2.2 蚁群算法模型 | 第14-16页 |
| 2.2.1 蚁群算法的基本原理 | 第14-15页 |
| 2.2.2 问题解空间的描述 | 第15页 |
| 2.2.3 基本蚁群算法的数学模型 | 第15-16页 |
| 2.3 基本的逻辑流程 | 第16-17页 |
| 2.4 蚁群算法的主要特点 | 第17-18页 |
| 2.4.1 正反馈 | 第17-18页 |
| 2.4.2 自组织 | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 关联规则与分类规则挖掘 | 第19-28页 |
| 3.1 数据挖掘的分析方法 | 第19-21页 |
| 3.1.1 数据挖掘概念与流程 | 第19-20页 |
| 3.1.2 数据挖掘常用分析方法 | 第20-21页 |
| 3.2 关联规则与分类规则的基本概念 | 第21-25页 |
| 3.2.1 关联规则的描述 | 第21-22页 |
| 3.2.2 Apriori 算法 | 第22-23页 |
| 3.2.3 分类规则的描述 | 第23-24页 |
| 3.2.4 分类基准算法 C4.5 | 第24-25页 |
| 3.3 关联与分类规则挖掘技术在交叉销售中的应用 | 第25-27页 |
| 3.3.1 基于关联规则的交叉销售 | 第25-26页 |
| 3.3.2 基于分类规则的销售分析 | 第26-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 基于蚁群算法的关联规则挖掘 | 第28-39页 |
| 4.1 引言 | 第28页 |
| 4.2 关联规则挖掘与 TSP 问题的关系 | 第28-30页 |
| 4.2.1 TSP 问题简介 | 第29页 |
| 4.2.2 关联规则与 TSP 问题 | 第29-30页 |
| 4.3 基于蚁群算法的关联规则挖掘算法 | 第30-35页 |
| 4.3.1 基本定义 | 第30-33页 |
| 4.3.2 算法描述 | 第33页 |
| 4.3.3 算法流程图 | 第33-35页 |
| 4.4 实验结果及分析 | 第35-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第五章 基于蚁群算法的分类规则挖掘 | 第39-49页 |
| 5.1 引言 | 第39-40页 |
| 5.2 分类规则的搜索解空间分析 | 第40-42页 |
| 5.2.1 分类模型与 TSP 问题的关系 | 第40页 |
| 5.2.2 分类规则的搜索空间 | 第40-42页 |
| 5.3 基于蚁群算法的分类规则算法 | 第42-45页 |
| 5.3.1 算法的描述 | 第42页 |
| 5.3.2 信息素浓度更新 | 第42-44页 |
| 5.3.3 启发函数的构造 | 第44-45页 |
| 5.3.4 规则剪枝处理 | 第45页 |
| 5.4 实验以及结果分析 | 第45-48页 |
| 5.5 本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| 6.1 本文总结 | 第49-50页 |
| 6.2 研究展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 在校期间的学术成果情况 | 第56页 |
