摘要 | 第4-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第10-16页 |
1.1 研究背景及意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-13页 |
1.3 论文的创新点 | 第13页 |
1.4 全文研究内容及章节安排 | 第13-14页 |
1.5 本章小结 | 第14-16页 |
第二章 相关理论及技术研究 | 第16-36页 |
2.1 关联规则 | 第16-18页 |
2.1.1 关联规则简介 | 第16页 |
2.1.2 关联规则基本概念 | 第16-18页 |
2.1.3 挖掘频繁项目集 | 第18页 |
2.2 水平布局数据库挖掘算法 | 第18-24页 |
2.2.1 Apriori算法 | 第18-21页 |
2.2.2 DirectHashingandPruning(DHP)算法 | 第21页 |
2.2.3 基于划分(partition)的算法 | 第21页 |
2.2.4 采样算法 | 第21-22页 |
2.2.5 DIC算法 | 第22-23页 |
2.2.6 改进的Apriori算法 | 第23-24页 |
2.3 垂直布局数据库挖掘算法 | 第24-25页 |
2.3.1 Eclat算法 | 第24-25页 |
2.4 投影布局数据库挖掘算法 | 第25-35页 |
2.4.1 FP-Growth算法 | 第25-29页 |
2.4.2 COFI树算法 | 第29-32页 |
2.4.3 CT-PRO算法 | 第32-35页 |
2.4.4 H-mine算法 | 第35页 |
2.5 本章小结 | 第35-36页 |
第三章 研究问题描述 | 第36-40页 |
3.1 为什么要提出新方法 | 第36-37页 |
3.2 算法差别分析 | 第37页 |
3.3 问题陈述 | 第37-38页 |
3.4 提出的目标 | 第38页 |
3.5 使用的方法 | 第38页 |
3.6 本章小结 | 第38-40页 |
第四章 购物篮问题中Apriori和FP-TREE的频繁项目集挖掘算法分析与改进 | 第40-52页 |
4.1 业务理解 | 第41页 |
4.1.1 基于市场的分析 | 第41页 |
4.1.2 基于市场的分析目标 | 第41页 |
4.2 数据收集 | 第41-42页 |
4.3 现有技术的比较 | 第42-44页 |
4.3.1 经典算法的比较 | 第42-43页 |
4.3.2 FP-Tree变体的比较 | 第43-44页 |
4.4 建立模型 | 第44-50页 |
4.4.1 以例子实现新的挖掘算法 | 第45-50页 |
4.5 本章小结 | 第50-52页 |
第五章 测试和结果 | 第52-56页 |
5.1 比较分析 | 第52-54页 |
5.1.1 时间比较 | 第52-54页 |
5.1.2 内存比较 | 第54页 |
5.2 本章小结 | 第54-55页 |
5.3 本章小结 | 第55-56页 |
第六章 总结与展望 | 第56-58页 |
6.1 总结 | 第56页 |
6.2 展望 | 第56-58页 |
参考文献 | 第58-62页 |
攻读硕士学位期间研究成果 | 第62-63页 |
致谢 | 第63页 |