| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究意义与背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 传统数据集频繁项集挖掘 | 第10-12页 |
| 1.2.2 不确定数据集频繁项集挖掘 | 第12-13页 |
| 1.3 本文研究的主要目的和意义 | 第13-14页 |
| 1.4 本文主要研究内容与安排 | 第14-16页 |
| 2 相关研究 | 第16-27页 |
| 2.1 传统事务数据集中的频繁项集挖掘 | 第16-18页 |
| 2.1.1 频繁项集挖掘基本概念 | 第16-17页 |
| 2.1.2 频繁项集挖掘经典算法概述 | 第17-18页 |
| 2.1.3 频繁项集挖掘算法扩展 | 第18页 |
| 2.2 不确定数据集上的频繁项集挖掘 | 第18-22页 |
| 2.2.1 不确定数据模型 | 第18-20页 |
| 2.2.2 不确定数据集上频繁项集挖掘 | 第20-21页 |
| 2.2.3 不确定数据集上基于权重的频繁项集挖掘 | 第21-22页 |
| 2.3 数据流上频繁项集挖掘 | 第22-26页 |
| 2.3.1 相关定义及问题描述 | 第22-23页 |
| 2.3.2 数据流处理模型 | 第23-24页 |
| 2.3.3 数据流上频繁项集挖掘算法 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 静态数据集上Topk高期望权重项集挖掘 | 第27-43页 |
| 3.1 引言 | 第27页 |
| 3.2 问题描述及相关定义 | 第27-29页 |
| 3.3 HEWIs挖掘算法优化策略 | 第29-32页 |
| 3.3.1 阈值提升策略—TP | 第29-30页 |
| 3.3.2 批处理策略 | 第30-32页 |
| 3.4 HEWIs挖掘算法实现 | 第32-36页 |
| 3.4.1 扩展MBP算法—TKWMB | 第32-33页 |
| 3.4.2 扩展UF-Growth算法—TKWUG | 第33-36页 |
| 3.5 算法性能分析与比较 | 第36-41页 |
| 3.5.1 算法性能简要分析 | 第36-37页 |
| 3.5.2 算法性能比较 | 第37-41页 |
| 3.6 本章小结 | 第41-43页 |
| 4 基于滑动窗口的Topk高期望权重项集挖掘 | 第43-55页 |
| 4.1 引言 | 第43页 |
| 4.2 相关定义 | 第43-45页 |
| 4.3 TWUS挖掘算法设计 | 第45-51页 |
| 4.3.1 存储结构的创建与挖掘 | 第45-48页 |
| 4.3.2 存储结构的挖掘 | 第48-50页 |
| 4.3.3 存储结构的更新 | 第50-51页 |
| 4.4 实验方案及分析 | 第51-53页 |
| 4.4.1 算法性能测试 | 第52-53页 |
| 4.4.2 算法性能分析 | 第53页 |
| 4.5 本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63-64页 |