摘要
1 绪论
1.1 研究的背景及意义
1.2 数据挖掘技术研究现状
1.3 课题来源与研究内容
1.4 本文的组织
2 关联规则相关理论
2.1 关联规则研究背景
2.2 关联规则基本概念
2.3 关联规则挖掘算法
2.3.1 经典算法
2.3.2 Apriori算法
2.3.3 Apriori算法的评价
2.4 本章小结
3 兴趣度度量的改进
3.1 支持度-置信度框架的不足
3.2 关联规则兴趣度的提出
3.3 几种比较重要的兴趣度度量
3.3.1 提升度lift度量
3.3.2 基于差异思想的兴趣度模型
3.3.3 相关分析
3.3.4 IS度量
3.3.5 PS度量
3.4 新兴趣度度量
3.4.1 新兴趣度量的提出
3.4.2 新兴趣度量的性质
3.4.3 实验与结果分析
3.5 本章小结
4 关联规则挖掘算法的改进
4.1 负相关关联规则
4.2 正负相关关联挖掘
4.2.1 已有算法的提出
4.2.2 引入最大支持度
4.3 正负关联挖掘算法的改进
4.3.1 改进算法的提出
4.3.2 实验结果及分析
4.4 负关联规则挖掘改进算法
4.4.1 负关联规则挖掘改进算法的提出
4.4.2 实验结果及分析
4.5 本章小结
5 改进算法在股票问的若干应用
5.1 关联规则在股票间的一些应用
5.2 股票间关联规则改进算法运用
5.2.1 股票数据的预处理
5.2.2 实验结果与分析
5.3 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
一、公开申请的专利或软件著作权
二、参与的科研项目
后记
声明
湖南师范大学;