| 中文摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-21页 |
| ·论文研究的目的和意义 | 第11-12页 |
| ·数据挖掘的内涵、过程和方法 | 第12-16页 |
| ·数据挖掘的内涵 | 第12-13页 |
| ·数据挖掘的过程 | 第13-14页 |
| ·数据挖掘的方法 | 第14-16页 |
| ·国内外研究现状 | 第16-20页 |
| ·数据挖掘技术的研究现状 | 第16-18页 |
| ·数据挖掘在商业中的应用 | 第18-20页 |
| ·数据挖掘在隧道安全中的应用 | 第20页 |
| ·本文的研究工作和内容安排 | 第20-21页 |
| 2 关联规则算法研究 | 第21-37页 |
| ·引言 | 第21-22页 |
| ·关联规则挖掘介绍 | 第22-24页 |
| ·关联规则挖掘基本概念 | 第22-23页 |
| ·关联规则挖掘分类 | 第23-24页 |
| ·关联规则经典Apriori 算法 | 第24-31页 |
| ·Apriori 算法频繁项集的产生 | 第24-30页 |
| ·Apriori 算法关联规则的生成 | 第30-31页 |
| ·Apriori 算法问题 | 第31页 |
| ·FP-growth 算法 | 第31-37页 |
| ·频繁模式树 | 第32-34页 |
| ·用FP-tree 来挖掘频繁模式 | 第34-35页 |
| ·算法特点分析 | 第35-37页 |
| 3 关联规则算法优化研究 | 第37-61页 |
| ·算法优化的必要性 | 第37页 |
| ·关联规则算法改进 | 第37-50页 |
| ·AprioriTid 算法 | 第37-41页 |
| ·AprioriHash 算法 | 第41-44页 |
| ·其他Apriori 改进算法 | 第44-47页 |
| ·PFP-growth 算法 | 第47-50页 |
| ·AprioriN 算法的提出 | 第50-57页 |
| ·引言 | 第50-51页 |
| ·改进过程 | 第51-54页 |
| ·算法特点 | 第54-57页 |
| ·FP-growthN 算法的提出 | 第57-61页 |
| ·引言 | 第57页 |
| ·改进过程 | 第57-60页 |
| ·算法特点 | 第60-61页 |
| 4 FP-growthN 算法在铁路隧道安全管理中的应用 | 第61-68页 |
| ·数据整理 | 第61-63页 |
| ·用FP-grwothN 算法进行关联规则挖掘 | 第63-66页 |
| ·挖掘结果分析 | 第66-68页 |
| 5 基于数据挖掘的隧道健康状态智能决策支持系统 | 第68-81页 |
| ·项目背景 | 第69-70页 |
| ·系统目标 | 第70-71页 |
| ·系统设计思想 | 第71页 |
| ·系统的功能要求 | 第71-72页 |
| ·系统的模块设计 | 第72-81页 |
| 6 结论 | 第81-84页 |
| 参考文献 | 第84-86页 |
| 作者简历 | 第86-87页 |