| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| CONTENTS | 第10-12页 |
| 第一章 绪论 | 第12-17页 |
| ·课题需求背景 | 第12-13页 |
| ·数据挖掘技术的研究现状 | 第13-14页 |
| ·数据挖掘的发展趋势 | 第14-15页 |
| ·论文主要内容 | 第15-17页 |
| 第二章 数据挖掘综述 | 第17-32页 |
| ·数据挖掘理论基础 | 第17-20页 |
| ·数据挖掘的概念 | 第17页 |
| ·数据挖掘的定义 | 第17-18页 |
| ·知识发现和数据挖掘 | 第18-19页 |
| ·数据挖掘与传统数据库查询及统计的区别 | 第19-20页 |
| ·数据挖掘系统的分类方法 | 第20-22页 |
| ·数据挖掘的主要功能 | 第22-25页 |
| ·概念描述(Generalization) | 第22页 |
| ·关联分析(Association) | 第22-23页 |
| ·分类和预测(Classification&Prediction) | 第23-24页 |
| ·聚类分析(Clustering) | 第24页 |
| ·孤立点分析(outlier) | 第24-25页 |
| ·数据挖掘主要方法及技术 | 第25-31页 |
| ·分类法和预测法 | 第25-27页 |
| ·决策树 | 第27-28页 |
| ·聚类法 | 第28-29页 |
| ·神经网络 | 第29-31页 |
| 小结 | 第31-32页 |
| 第三章 关联规则挖掘 | 第32-42页 |
| ·什么是关联规则? | 第32-34页 |
| ·关联规则基本概念 | 第32-33页 |
| ·关联规则的种类 | 第33-34页 |
| ·兴趣度度量 | 第34-35页 |
| ·关联规则挖掘技术 | 第35-41页 |
| ·Apriori算法 | 第35-39页 |
| ·由频繁项集产生关联规则 | 第39页 |
| ·多层关联规则的挖掘 | 第39-40页 |
| ·多维关联规则的挖掘 | 第40-41页 |
| 小结 | 第41-42页 |
| 第四章 系统设计及实现 | 第42-58页 |
| ·数据挖掘的步骤 | 第42-44页 |
| ·主题与目标的确定(define problem and goals) | 第42-43页 |
| ·数据准备 | 第43页 |
| ·数据挖掘(data mining) | 第43-44页 |
| ·模式评估 | 第44页 |
| ·知识表示 | 第44页 |
| ·问题分析 | 第44-46页 |
| ·系统功能: | 第44-45页 |
| ·任务相关: | 第45-46页 |
| ·系统模型设计 | 第46-49页 |
| ·数据预处理 | 第49-53页 |
| ·数据选择和集成 | 第49-50页 |
| ·数据清理 | 第50页 |
| ·数据变换 | 第50-53页 |
| ·算法实现 | 第53-56页 |
| ·找出频繁项集 | 第53-55页 |
| ·产生规则: | 第55-56页 |
| 小结 | 第56-58页 |
| 第五章 应用结果分析及展望 | 第58-65页 |
| ·关联规则价值衡量的方法 | 第58-60页 |
| ·系统客观层面 | 第58-59页 |
| ·用户主观层面 | 第59-60页 |
| ·模型改进 | 第60-62页 |
| ·加入相关度(Correlation) | 第60-61页 |
| ·增加系统参数设置 | 第61-62页 |
| ·实验结果分析 | 第62-64页 |
| 小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |