| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第1章 绪论 | 第7-16页 |
| 1.1 问题的提出 | 第7-8页 |
| 1.2 研究背景及意义 | 第8-12页 |
| 1.2.1 数据挖掘 | 第8-9页 |
| 1.2.2 聚类 | 第9-10页 |
| 1.2.3 关联规则挖掘 | 第10页 |
| 1.2.4 多层关联规则挖掘 | 第10-12页 |
| 1.3 国内外研究进展 | 第12-14页 |
| 1.3.1 关联规则挖掘 | 第12-13页 |
| 1.3.2 多层关联规则挖掘 | 第13-14页 |
| 1.4 本文的研究内容和结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 相关概念与算法 | 第16-29页 |
| 2.1 数据挖掘相关概念与术语 | 第16页 |
| 2.2 聚类相关术语与算法分析 | 第16-21页 |
| 2.2.1 不同数据类型分析 | 第17页 |
| 2.2.2 不同聚类算法比较 | 第17-20页 |
| 2.2.3 K-Means算法 | 第20-21页 |
| 2.2.4 K-Mediods算法 | 第21页 |
| 2.3 关联规则挖掘相关术语与算法分析 | 第21-27页 |
| 2.3.1 Apriori算法 | 第23-24页 |
| 2.3.2 FP-Growth算法 | 第24-27页 |
| 2.4 多层关联规则挖掘相关术语与算法介绍 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 SDS数据对象相关性度量研究与改进 | 第29-43页 |
| 3.1 数据对象相关性度量 | 第29-34页 |
| 3.1.1 不同类型数据的相关性度量 | 第29页 |
| 3.1.2 数据对象之间的相关性度量 | 第29-34页 |
| 3.2 SDS数据对象的相关性分析 | 第34-36页 |
| 3.3 SDS相关性度量方法改进 | 第36-38页 |
| 3.4 SDS相关性度量实验结果及分析 | 第38-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于FP-Growth的高效HFP-Growth新算法 | 第43-51页 |
| 4.1 FP-Growth算法改进 | 第43-45页 |
| 4.1.1 哈希头表 | 第43页 |
| 4.1.2 合并FP-Tree相同支持数的节点 | 第43-45页 |
| 4.2 HFP-Growth算法实现 | 第45-47页 |
| 4.3 HFP-Growth算法实验结果 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 多层关联规则挖掘 | 第51-61页 |
| 5.1 问题描述 | 第51页 |
| 5.2 聚类方法的选择 | 第51-54页 |
| 5.2.1 K-Means与K-Mediods选择 | 第53-54页 |
| 5.2.2 聚类质量评价 | 第54页 |
| 5.3 多层关联规则挖掘实例 | 第54-59页 |
| 5.3.1 原始数据集 | 第54-55页 |
| 5.3.2 0-1 处理后的数据集 | 第55页 |
| 5.3.3 单层关联规则 | 第55-56页 |
| 5.3.4 相关性分析 | 第56-57页 |
| 5.3.5 聚类 | 第57-58页 |
| 5.3.6 多层关联规则 | 第58-59页 |
| 5.4 本章小结 | 第59-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 进一步工作的方向 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录A 相关代码 | 第66-70页 |
| 攻读学位期间取得的研究成果 | 第70-71页 |
| 致谢 | 第71-72页 |