| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 研究目的和意义 | 第11-12页 |
| 1.4 主要研究内容 | 第12页 |
| 1.5 本文结构 | 第12-13页 |
| 第2章 相关决策系统 | 第13-21页 |
| 2.1 相关决策系统的提出 | 第13-16页 |
| 2.2 相关决策计数表的构造 | 第16-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 大数据分析中相关规则的挖掘 | 第21-34页 |
| 3.1 准备工作 | 第21-22页 |
| 3.2 相关规则概念及算法 | 第22-27页 |
| 3.2.1 相关规则的基本概念 | 第22-24页 |
| 3.2.2 相关规则的算法 | 第24-27页 |
| 3.3 实验 | 第27-33页 |
| 3.3.1 关联规则Apriori算法实验 | 第27-29页 |
| 3.3.2 相关规则挖掘算法实验 | 第29-30页 |
| 3.3.3 Apriori算法与相关规则挖掘算法的对比 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 大数据分析中相关规则的提升 | 第34-40页 |
| 4.1 准备工作 | 第34-35页 |
| 4.1.1 研究背景 | 第34-35页 |
| 4.1.2 聚类算法思想在相关规则提升中的应用 | 第35页 |
| 4.2 相关规则的提升及算法 | 第35-36页 |
| 4.3 相关规则的提升实验 | 第36-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第5章 总结与展望 | 第40-42页 |
| 5.1 总结 | 第40页 |
| 5.2 展望 | 第40-42页 |
| 参考文献 | 第42-45页 |
| 致谢 | 第45页 |