| 第1章 引言 | 第1-17页 |
| 1．1 CIMS数据库的特点 | 第9-11页 |
| 1．1．1 CIMS信息系统中的数据特点 | 第9-10页 |
| 1．1．2 CIMS数据库系统特点 | 第10-11页 |
| 1．1．3 CIMS数据库的发展 | 第11页 |
| 1．2 数据挖掘技术发展综述 | 第11-16页 |
| 1．2．1 数据挖掘的定义 | 第12页 |
| 1．2．2 数据挖掘的目的 | 第12页 |
| 1．2．3 数据挖掘的步骤 | 第12-13页 |
| 1．2．4 数据挖掘的相关领域 | 第13-14页 |
| 1．2．5 数据挖掘的分类 | 第14页 |
| 1．2．6 目前数据挖掘的研究进展 | 第14-16页 |
| 1．3 文章的组织结构 | 第16-17页 |
| 第2章 构造面向CIMS的数据仓库 | 第17-36页 |
| 2．1 构造面向CIMS数据仓库的原因 | 第17-19页 |
| 2．1．1 数据仓库产生的背景 | 第17-18页 |
| 2．1．2 数据仓库的定义及对其的补充 | 第18-19页 |
| 2．2 数据仓库的的体系结构 | 第19-22页 |
| 2．2．1 基本构件分析 | 第19-20页 |
| 2．2．2 数据仓库的体系结构 | 第20-22页 |
| 2．3 构造数据仓库要注意的若干问题 | 第22-24页 |
| 2．3．1 数据清洗问题 | 第23-24页 |
| 2．3．2 项目队伍问题 | 第24页 |
| 2．3．3 数据仓库的安全性问题 | 第24页 |
| 2．4 具有主动性的数据仓库 | 第24-28页 |
| 2．4．1 主动性数据仓库的原理和结构 | 第25-26页 |
| 2．4．2 分析规则 | 第26-27页 |
| 2．4．3 主动数据仓库中有待解决的若干问题 | 第27-28页 |
| 2．5 知识仓库 | 第28-32页 |
| 2．5．1 数据仓库中的知识问题 | 第28页 |
| 2．5．2 知识管理的基本技术 | 第28-29页 |
| 2．5．3 知识仓库的技术指标 | 第29-30页 |
| 2．5．4 知识仓库结构 | 第30-31页 |
| 2．5．5 影响知识仓库实现的因素 | 第31-32页 |
| 2．6 主动知识仓库的概念模型 | 第32-36页 |
| 2．6．1 元数据及元数据库的问题 | 第32-33页 |
| 2．6．2 主动知识仓库的体系结构 | 第33-36页 |
| 第3章 关联规则挖掘技术 | 第36-65页 |
| 3．1 挖掘关联规则的经典算法 | 第36-39页 |
| 3．2 挖掘关联规则的改进算法 | 第39-42页 |
| 3．2．1 基于闭包项集的挖掘方法 | 第40页 |
| 3．2．2 基于树的挖掘关联规则的方法 | 第40-42页 |
| 3．3 趋势关联规则挖掘算法 | 第42-47页 |
| 3．3．1 增量关联规则维护的方法 | 第43-44页 |
| 3．3．2 趋势关联规则 | 第44-47页 |
| 3．4 基于信念的规则挖掘方法 | 第47-52页 |
| 3．4．1 兴趣模式发现方法概述39 | 第47-48页 |
| 3．4．2 基于信念的规则发现方法 | 第48-52页 |
| 3．5 采用强关联规则进行空缺值处理 | 第52-54页 |
| 3．5．1 目前常用的数据清理方法 | 第52-53页 |
| 3．5．2 采用强关联规则处理空缺值方法 | 第53-54页 |
| 3．6 基于模糊的关联规则发现方法 | 第54-58页 |
| 3．6．1 模糊集的基本知识 | 第55-56页 |
| 3．6．2 模糊挖掘关联规则算法及其不足 | 第56-58页 |
| 3．7 关联规则聚类算法的研究 | 第58-65页 |
| 3．7．1 距离聚类的不足 | 第58-59页 |
| 3．7．2 关联规则的α相关聚类 | 第59-60页 |
| 3．7．3 基于模糊ISODATA*的关联规则聚类 | 第60-65页 |
| 第4章 遗传算法在数据挖掘中的应用 | 第65-78页 |
| 4．1 遗传算法与数据挖掘 | 第65-68页 |
| 4．1．1 遗传算法的发展 | 第66-67页 |
| 4．1．2 遗传算法的自适应能力 | 第67页 |
| 4．1．3 遗传算法优点和缺点 | 第67-68页 |
| 4．2 属性选择与遗传算法 | 第68-71页 |
| 4．2．1 特性空间搜索问题 | 第69页 |
| 4．2．2 遗传算法用于特性空间搜索 | 第69-71页 |
| 4．3 多群体遗传算法 | 第71-75页 |
| 4．3．1 算法思想起源 | 第72页 |
| 4．3．2 多群体遗传算法 | 第72-75页 |
| 4．4 基于遗传算法的ISODATA聚类 | 第75-76页 |
| 4．5 遗传算法同时优化数据集和属性集 | 第76-78页 |
| 第5章 数据挖掘平台CIMSMINER模型 | 第78-93页 |
| 5．1 数据挖掘平台概述 | 第78-79页 |
| 5．2 挖掘平台设计中的若干标准 | 第79-82页 |
| 5．2．1 数据挖掘应用中有待标准化的问题 | 第79-80页 |
| 5．2．2 数据挖掘模型的若干标准 | 第80-81页 |
| 5．2．3 挖掘系统的结构标准 | 第81-82页 |
| 5．3 数据仓库和数据挖掘平台的结合 | 第82-83页 |
| 5．3．1 元数据 | 第82页 |
| 5．3．2 多维数据分析 | 第82-83页 |
| 5．3．3 数据仓库和数据挖掘的结合 | 第83页 |
| 5．4 数据挖掘模型的体系结构 | 第83-89页 |
| 5．4．1 数据挖掘模型 | 第84-85页 |
| 5．4．2 系统目标 | 第85页 |
| 5．4．3 系统结构 | 第85-86页 |
| 5．4．4 服务器端构件分析 | 第86-87页 |
| 5．4．5 客户端构件分析 | 第87-89页 |
| 5．5 数据挖掘算法管理 | 第89-93页 |
| 5．5．1 算法库的设计 | 第89-91页 |
| 5．5．2 算法选择模型 | 第91-93页 |
| 第6章 结论 | 第93-95页 |
| 致谢 | 第95-96页 |
| 在学期间的研究成果 | 第96-97页 |
| 参考文献 | 第97-107页 |