本书是一部深入研究数据挖掘中负关联规则挖掘方法的著作。全书共分为10章，前5章讨论不同情况下从频繁项集中挖掘负关联规则的若干方法，包括挖掘负关联规则的PNARC模型、多种兴趣度在负关联规则中的应用、多数据库中的负关联规则挖掘以及负时态关联规则挖掘，第6章讨论非频繁项集挖掘技术，第7章讨论冗余规则的修剪技术，第8章讨论负频繁项集及其负关联规则挖掘技术，*后两章是正负关联规则在实际数据挖掘与分析中的应用。

本书可作为计算机相关专业高年级本科生或研究生教材，也可供数据挖掘、智能信息处理等相关领域的研究人员参考。

第1章    关联规则挖掘概述
    1.1    数据挖掘概述
        1.1.1    数据挖掘的起源
        1.1.2    数据挖掘的定义
        1.1.3    数据挖掘的任务
    1.2    关联规则挖掘
        1.2.1    概述
        1.2.2    主要算法
        1.2.3    Apriori算法详解
        1.2.4    由频繁项集产生关联规则
    小结
第2章    挖掘负关联规则的PNARC模型
    2.1    负关联规则概述
    2.2    正负关联规则相关性模型——PNARC模型
        2.2.1    问题分析
        2.2.2    负关联规则中支持度与置信度的计算
        2.2.3    相关性在正负关联规则挖掘中的应用
        2.2.4    PNARC算法
    2.3    PNARC模型实验结果
        2.3.1    示例数据
        2.3.2    更多的实验结果
    小结
第3章    兴趣度在负关联规则中的应用研究
    3.1    兴趣度在正关联规则中的应用概述
    3.2    X2检验在负关联规则中的应用研究
        3.2.1    假设检验相关知识
        3.2.2    X2检验在负关联规则中的应用研究
        3.2.3    算法设计
        3.2.4    实验结果
    3.3    相关系数在负关联规则中的应用研究
    3.4    最小兴趣度在负关联规则中的应用研究
        3.4.1    P-S兴趣度相关问题讨论
        3.4.2    算法设计
        3.4.3    实验结果
    小结
第4章    多数据库中的负关联规则挖掘
    4.1    多数据库中的正关联规则挖掘概述
    4.2    多数据库中的负关联规则挖掘
        4.2.1    挖掘合成规则
        4.2.2    算法设计及实验
    4.3    多数据库中挖掘负加权关联规则
    4.4    基于P-S兴趣度的多数据库中的负关联规则挖掘
    4.5    多数据库中的例外关联规则挖掘
    小结
第5章    负时态关联规则挖掘
    5.1    研究时态关联规则的必要性
    5.2    两种典型的正时态关联规则挖掘模型
        5.2.1    日历模型分析
        5.2.2    商品生命周期模型分析
    5.3    挖掘时态频繁项集算法
        5.3.1    相关定义
        5.3.2    GTFS算法设计
        5.3.3    GTFS算法举例
    5.4    负时态关联规则挖掘模型
        5.4.1    相关定义
        5.4.2    CTFS算法设计及CTP算法设计
        5.4.3    CTP模型举例
    小结
第6章    非频繁项集挖掘技术
    6.1    比例比率模型
    6.2    两级支持度模型
        6.2.1    2LS算法设计
        6.2.2    2LS算法实验结果
        6.2.3    2LSP算法设计
        6.2.4    2LSP模型实验结果
    6.3    多级最小支持度模型
        6.3.1    MLMS模型中非频繁项集的定义
        6.3.2    MLMS算法设计
        6.3.3    实验结果
    6.4    MLMS的兴趣度模型——IMLMS模型
        6.4.1    项集的修剪方法
        6.4.2    IMLMS算法设计
        6.4.3    实验结果
    6.5    多项支持度模型
    6.6    用基本Apriori算法实现MIS模型
        6.6.1    MSB_apriori算法
        6.6.2    实验结果
        6.6.3    MSB_apriori+算法
        6.6.4    实验结果
    6.7    扩展的多项支持度模型
    小结
第7章    负关联规则修剪技术的研究
    7.1    正关联规则修剪的有关技术回顾
    7.2    最小冗余的无损关联规则集表述
        7.2.1    有关定义
        7.2.2    无损规则集表述的推演
    7.3    基于最小相关度的负关联规则修剪技术
    7.4    基于多最小置信度的负关联规则修剪技术
        7.4.1    多置信度的必要性分析
        7.4.2    算法和实验结果
    7.5    基于逻辑推理的负关联规则修剪技术
    小结
第8章    负频繁项集及其负关联规则挖掘
    8.1    负频繁项集挖掘方法——eNFIS算法
        8.1.1    负候选项集支持度计算方法
        8.1.2    算法设计及实验结果
    8.2    基于多支持度的负频繁项集挖掘算法——emsNFIS算法
    8.3    负频繁项集中的负关联规则挖掘问题与对策
    小结
第9章    正负关联规则在大学校园数据分析中的应用
    9.1    校园数据分析的意义
    9.2    数据预处理
        9.2.1    数据预处理简介
        9.2.2    校园数据概述
    9.3    基于关联规则的大学生心理健康数据分析
        9.3.1    心理健康数据预处理
        9.3.2    挖掘结果分析
    9.4    学生一卡通消费行为与成绩间的关联分析
        9.4.1    数据预处理
        9.4.2    挖掘结果分析
    9.5    图书借阅行为与成绩间的关联分析
        9.5.1    数据预处理
        9.5.2    挖掘结果分析
    9.6    心理健康与成绩间的关联分析
        9.6.1    数据预处理
        9.6.2    挖掘结果分析
    9.7    消费行为、图书借阅行为、心理健康与成绩间的关联分析
        9.7.1    数据预处理
        9.7.2    挖掘结果分析
    小结
第10章    正负关联规则在医疗数据分析中的应用
    10.1    概述
    10.2    医疗数据预处理
        10.2.1    医疗数据特征
        10.2.2    数据选择
        10.2.3    数据规范化
        10.2.4    数据归约
    10.3    正负关联规则在心脑血管疾病分析中的应用
    10.4    正负关联规则在糖尿病分析中的应用
    10.5    正负关联规则在类风湿性关节炎中的应用
    小结
缩略语表
参考文献