| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究的背景 | 第8-10页 |
| ·数据挖掘的现状 | 第10-12页 |
| ·本课题研究的内容及意义 | 第12-14页 |
| 第二章 SVM与聚类分析算法原理 | 第14-29页 |
| ·算法的选择及依据 | 第14-18页 |
| ·SVM及K—Means聚类算法的优点 | 第14-15页 |
| ·数据挖掘 | 第15-18页 |
| ·数据挖掘的产生背景 | 第15-16页 |
| ·数据挖掘简介 | 第16-18页 |
| ·支持向量机(SVM) | 第18-24页 |
| ·统计学习理论 | 第18-20页 |
| ·支持向量机的算法原理 | 第20-24页 |
| ·聚类分析 | 第24-29页 |
| ·聚类分析简介 | 第24-27页 |
| ·K-Means聚类分析算法 | 第27-29页 |
| 第三章 IHRS的系统分析与设计 | 第29-36页 |
| ·IHRS简介 | 第29-32页 |
| ·人力资源管理 | 第29-30页 |
| ·人力资源管理的意义 | 第30页 |
| ·ERP中的人力资源管理 | 第30-32页 |
| ·技术介绍 | 第32-36页 |
| ·B／S结构 | 第32页 |
| ·J2EE | 第32-33页 |
| ·系统架构的设计 | 第33-36页 |
| 第四章 SVM及聚类分析在KMUST-IHRS中的应用 | 第36-51页 |
| ·数据准备 | 第36-38页 |
| ·具体实现 | 第38-48页 |
| ·IHRS系统的实现 | 第38-40页 |
| ·IHRS系统的业务分析 | 第38-39页 |
| ·ERP业务构架平台下IHRS系统的实现 | 第39-40页 |
| ·数据挖掘的实现 | 第40-48页 |
| ·数据的预处理 | 第40-41页 |
| ·基于SVM的招聘预测 | 第41-44页 |
| ·聚类分析 | 第44-48页 |
| ·在Java中调用Matlab的原理 | 第48-51页 |
| 第五章 结论 | 第51-53页 |
| ·总结 | 第51-52页 |
| ·下一步工作 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |