| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第8-11页 |
| ·课题应用背景 | 第8-9页 |
| ·本文工作 | 第9-10页 |
| ·本文结构 | 第10-11页 |
| 第二章 相关理论知识 | 第11-25页 |
| ·数据挖掘 | 第11-19页 |
| ·数据挖掘系统的分类 | 第11-12页 |
| ·数据挖掘的过程 | 第12-15页 |
| ·数据挖掘的功能 | 第15-16页 |
| ·数据挖掘常用技术 | 第16页 |
| ·数据挖掘技术的应用 | 第16-19页 |
| ·电子商务 | 第19-24页 |
| ·电子商务的定义与分类 | 第19-20页 |
| ·医药电子商务现状分析 | 第20-21页 |
| ·振湘医药电子商务系统 | 第21-24页 |
| ·系统架构 | 第21-22页 |
| ·系统模块划分 | 第22-23页 |
| ·数据挖掘技术在振湘Ⅱ期中的应用 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 聚类算法分析 | 第25-30页 |
| ·聚类技术概述 | 第25-27页 |
| ·聚类的定义 | 第25-26页 |
| ·聚类分析中的数据类型 | 第26页 |
| ·聚类在电子商务中的应用 | 第26-27页 |
| ·相关研究 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 一种自适应K-means聚类算法的设计与实现 | 第30-42页 |
| ·引言 | 第30页 |
| ·K-means聚类算法 | 第30-31页 |
| ·K-means算法的思想 | 第30-31页 |
| ·K-means算法的优缺点 | 第31页 |
| ·Adaptive K-means算法 | 第31-39页 |
| ·数据预处理 | 第31-34页 |
| ·数据类型转换 | 第32-33页 |
| ·数据归一化 | 第33-34页 |
| ·Adaptive K-means算法 | 第34-38页 |
| ·聚类结果评价 | 第38-39页 |
| ·实验与分析 | 第39-41页 |
| ·用户交易数据库的数据建模 | 第39-40页 |
| ·利用Adaptive K-means算法聚类 | 第40页 |
| ·实验过程及性能分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 基于B／S结构的聚类挖掘算法实现 | 第42-63页 |
| ·相关技术 | 第42-43页 |
| ·多层体系结构 | 第42-43页 |
| ·基于B／S结构的数据挖掘实现技术 | 第43页 |
| ·原型系统Weka-on-Web | 第43-48页 |
| ·Weka简介 | 第43-46页 |
| ·Weka-on-Web的总体设计 | 第46-48页 |
| ·请求处理过程的设计与实现 | 第48-52页 |
| ·请求处理 | 第48-50页 |
| ·命令的封装 | 第50-52页 |
| ·Adaptive K-Means算法的实现 | 第52-57页 |
| ·Clusterer抽象类 | 第52-53页 |
| ·AdaptiveKMeans类 | 第53-57页 |
| ·Weka-on-Web的结构、安装及使用 | 第57-62页 |
| ·软件结构 | 第57-58页 |
| ·安装和部署 | 第58-59页 |
| ·使用方法 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 结束语 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-67页 |