| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-7页 |
| 第1章 引言 | 第7-14页 |
| 1．1 有关数据仓库 | 第8-10页 |
| 1．2 有关数据集市 | 第10页 |
| 1．3 有关数据矿藏 | 第10-11页 |
| 1．4 数据存储形式 | 第11页 |
| 1．5 数据挖掘与数据仓库、数据集市、数据矿藏 | 第11-14页 |
| 第2章 数据挖掘综述 | 第14-24页 |
| 2．1 数据挖掘的含义 | 第14-15页 |
| 2．2 数据挖掘的分类和较常用的挖掘方法 | 第15-21页 |
| 2．2．1 决策树方法 | 第16页 |
| 2．2．2 分类 | 第16-17页 |
| 2．2．3 回归 | 第17页 |
| 2．2．4 时间序列预测 | 第17页 |
| 2．2．5 聚类分析 | 第17-18页 |
| 2．2．6 关联规则 | 第18页 |
| 2．2．7 序列发现 | 第18页 |
| 2．2．8 神经网络方法 | 第18-20页 |
| 2．2．9 遗传算法 | 第20页 |
| 2．2．10 概念树方法 | 第20页 |
| 2．2．11 粗糙集方法 | 第20-21页 |
| 2．2．12 可视化技术 | 第21页 |
| 2．3 数据挖掘的步骤 | 第21-22页 |
| 2．4 数据挖掘的应用领域 | 第22-24页 |
| 第3章 可拓信息、多属性的关联规则与粗糙集 | 第24-38页 |
| 3．1 可拓信息简介 | 第24-25页 |
| 3．2 关联规则简介 | 第25-27页 |
| 3．2．1 多值关联规则 | 第26页 |
| 3．2．2 发掘多值关联规则的总的算法MAQA | 第26-27页 |
| 3．3 粗糙集理论 | 第27-30页 |
| 3．3．1 粗糙集理论的基本概念 | 第28页 |
| 3．3．2 粗糙集中的元素的界定 | 第28-29页 |
| 3．3．3 粗糙隶属度 | 第29-30页 |
| 3．4 可拓信息与关联规则 | 第30-33页 |
| 3．4．1 可拓信息与关联规则 | 第30页 |
| 3．4．2 具体分析关联规则及其与可拓信息结合的探讨 | 第30-33页 |
| 3．5 粗糙集理论与可拓信息 | 第33-38页 |
| 第4章 数据集市和其中数据挖掘算法的应用 | 第38-56页 |
| 4．1 问题的提出 | 第40页 |
| 4．2 数据模式的选择 | 第40-42页 |
| 4．3 数据查询的实现 | 第42-46页 |
| 4．4 数据挖掘的实现 | 第46-56页 |
| 4．4．1 用决策树分析客户模式 | 第47-49页 |
| 4．4．2 关联规则发现商品销售模式 | 第49-51页 |
| 4．4．3 Web上的数据挖掘 | 第51-56页 |
| 第5章 总结、思考与展望 | 第56-60页 |
| 结论 | 第60-61页 |
| 攻读学位期间公开发表的论文 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-64页 |