| 1 引言 | 第1-5页 |
| ·选题的意义 | 第3-4页 |
| ·论文的主要工作和论文的结构 | 第4-5页 |
| ·论文的主要工作 | 第4页 |
| ·论文的结构 | 第4-5页 |
| 2 数据挖掘概述 | 第5-20页 |
| ·知识发现和数据挖掘的定义 | 第5-6页 |
| ·数据准备 | 第5-6页 |
| ·数据挖掘 | 第6页 |
| ·结果的解释和评估 | 第6页 |
| ·数据挖掘的分析模型 | 第6-9页 |
| ·关联分析 | 第7页 |
| ·时序模式 | 第7页 |
| ·聚类 | 第7-8页 |
| ·分类 | 第8页 |
| ·偏差检测 | 第8页 |
| ·预测 | 第8-9页 |
| ·数据挖掘分类 | 第9-10页 |
| ·按数据库类型分类 | 第9页 |
| ·按数据挖掘对象分类 | 第9页 |
| ·按数据挖掘任务分类 | 第9页 |
| ·按数据挖掘方法和技术分类 | 第9-10页 |
| ·数据挖掘对象 | 第10-13页 |
| ·关系数据库 | 第10-11页 |
| ·文本 | 第11-12页 |
| ·图像与视频数据 | 第12页 |
| ·WEB数据 | 第12-13页 |
| ·数据挖掘的知识表示 | 第13-15页 |
| ·规则 | 第13页 |
| ·决策树 | 第13-14页 |
| ·知识基（浓缩数据） | 第14页 |
| ·网络权值 | 第14-15页 |
| ·公式 | 第15页 |
| ·案例 | 第15页 |
| ·数据挖掘方法和技术 | 第15-20页 |
| ·归纳学习方法 | 第15-17页 |
| ·仿生物技术 | 第17页 |
| ·公式发现 | 第17-18页 |
| ·统计分析 | 第18页 |
| ·模糊数学方法 | 第18-19页 |
| ·可视化技术 | 第19-20页 |
| 3 关联规则挖掘及算法研究分析 | 第20-38页 |
| ·关联规则的挖掘原理 | 第20-24页 |
| ·关联规则的基本概念 | 第21-24页 |
| ·关联规则的挖掘过程 | 第24页 |
| ·关联规则挖掘过程的分析 | 第24页 |
| ·关联规则挖掘的经典算法——Apriori算法 | 第24-29页 |
| ·算法伪代码 | 第24-26页 |
| ·Apriori算法的简单实例 | 第26-27页 |
| ·Apriori算法的分析 | 第27-29页 |
| ·一种基于FP-Growth的频繁集产生过程的新算法 | 第29-32页 |
| ·FP-Growth算法的分析 | 第29页 |
| ·FP-Growth算法的基本概念及思想 | 第29-30页 |
| ·FP-Growth的增长原理及步骤 | 第30页 |
| ·FP-Growth算法 | 第30-31页 |
| ·FP-Growth算法小结 | 第31-32页 |
| ·基于经典关联规则挖掘算法的改进 | 第32-38页 |
| ·算法的设计原理 | 第32-33页 |
| ·该算法的优点 | 第33-34页 |
| ·其他方面的优化工作 | 第34-38页 |
| 4 关联规则数据挖掘的应用 | 第38-49页 |
| ·当前企业单位信息化管理现状分析 | 第38-39页 |
| ·问题的提出 | 第39页 |
| ·问题的定义 | 第39-40页 |
| ·数据挖掘模型的建立 | 第40-42页 |
| ·数据支持层 | 第40-41页 |
| ·中间挖掘处理层 | 第41-42页 |
| ·用户界面层 | 第42页 |
| ·挖掘过程的实施 | 第42-47页 |
| ·挖掘的准备 | 第42-46页 |
| ·挖掘的实施 | 第46页 |
| ·挖掘的结果及效率的比较 | 第46-47页 |
| ·系统评价 | 第47-48页 |
| ·小结 | 第48-49页 |
| 5 总结及展望 | 第49-50页 |
| ·论文总结 | 第49页 |
| ·今后的展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-53页 |