| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 课题研究的背景和意义 | 第9-14页 |
| 1.1 课题的研究背景和意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 本文主要工作和结构 | 第12-14页 |
| 1.3.1 论文的研究内容 | 第12-13页 |
| 1.3.2 论文的组织结构 | 第13-14页 |
| 第2章 物流信息系统 | 第14-18页 |
| 2.1 数据化运营 | 第14-15页 |
| 2.2 物流信息系统 | 第15-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第3章 数据挖掘相关技术 | 第18-26页 |
| 3.1 数据挖掘及数据仓库 | 第18-20页 |
| 3.1.1 数据挖掘 | 第18-19页 |
| 3.1.2 数据仓库 | 第19-20页 |
| 3.2 SQL Server DM | 第20-25页 |
| 3.2.1 SQL Server 的挖掘功能 | 第20-21页 |
| 3.2.2 SQL Server DM 流程 | 第21-22页 |
| 3.2.3 SQL Server DM 编程 | 第22-25页 |
| 3.3 在线数据挖掘平台 TipDM | 第25页 |
| 3.4 本章小结 | 第25-26页 |
| 第4章 关联规则挖掘 | 第26-43页 |
| 4.1 关联规则挖掘 | 第26-28页 |
| 4.1.1 关联规则挖掘的基本概念 | 第26-27页 |
| 4.1.2 常用的关联规则算法 | 第27-28页 |
| 4.2 Apriori 算法 | 第28-31页 |
| 4.3 基于划分技术的加权关联规则挖掘算法 | 第31-39页 |
| 4.3.1 数据结构与定义 | 第32-33页 |
| 4.3.2 用户兴趣度加权 | 第33-36页 |
| 4.3.3 算法的流程 | 第36-39页 |
| 4.4 算法的正确性验证和数据处理 | 第39-41页 |
| 4.4.1 正确性验证 | 第39-40页 |
| 4.4.2 数据扭曲 | 第40-41页 |
| 4.4.3 分块数目的选择 | 第41页 |
| 4.5 关联规则衡量 | 第41-42页 |
| 4.5.1 提升度检验 | 第41-42页 |
| 4.5.2 卡方检验 | 第42页 |
| 4.5.3 All-item-confidence 度量 | 第42页 |
| 4.6 本章小结 | 第42-43页 |
| 第5章 实验验证和在物流信息系统中的应用 | 第43-47页 |
| 5.1 实验验证 | 第43-45页 |
| 5.1.1 实验环境 | 第43页 |
| 5.1.2 实验数据 | 第43页 |
| 5.1.3 实验结果 | 第43-45页 |
| 5.2 在物流信息系统中的应用 | 第45页 |
| 5.3 本章小结 | 第45-47页 |
| 结论与展望 | 第47-49页 |
| 1 总结 | 第47-48页 |
| 2 展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53页 |