| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景 | 第11页 |
| ·选题的依据和意义 | 第11-12页 |
| ·论文的主要工作 | 第12-13页 |
| ·本文的组织结构 | 第13-15页 |
| 第二章 数据挖掘技术 | 第15-21页 |
| ·数据挖掘的产生 | 第15页 |
| ·数据挖掘的概念 | 第15-16页 |
| ·数据挖掘的任务 | 第16-17页 |
| ·数据挖掘的对象 | 第17页 |
| ·数据挖掘的步骤 | 第17-18页 |
| ·数据挖掘的方法 | 第18-20页 |
| ·数据挖掘未来研究方向 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第三章 聚类和关联规则挖掘 | 第21-34页 |
| ·聚类分析 | 第21-25页 |
| ·聚类分析概述 | 第21-22页 |
| ·聚类分析中的数据类型 | 第22页 |
| ·主要的聚类分析方法 | 第22-24页 |
| ·K-Means算法 | 第24-25页 |
| ·关联规则挖掘 | 第25-33页 |
| ·关联规则的基本概念 | 第26页 |
| ·关联规则的分类 | 第26-27页 |
| ·关联规则的研究方向 | 第27-29页 |
| ·关联规则挖掘的算法 | 第29-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 加权关联规则挖掘算法 | 第34-49页 |
| ·现有加权关联规则模型及算法研究 | 第34-38页 |
| ·加权关联规则模型 | 第34-36页 |
| ·加权关联规则挖掘算法——MINWAL(O)算法 | 第36-38页 |
| ·改进的加权关联规则挖掘算法 | 第38-47页 |
| ·新的加权支持度函数 | 第39-41页 |
| ·基于聚类和压缩矩阵的加权关联规则算法——CCMW算法 | 第41-43页 |
| ·CCMW算法实例 | 第43-47页 |
| ·CCMW算法与MINWAL(O)算法性能比较 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 CCMW算法在超市管理系统的应用 | 第49-59页 |
| ·系统开发说明 | 第49-50页 |
| ·数据挖掘系统模型 | 第50-51页 |
| ·系统实现与结果分析 | 第51-58页 |
| ·数据导入 | 第52-53页 |
| ·数据预处理 | 第53-55页 |
| ·关联规则挖掘 | 第55-57页 |
| ·查询与分析 | 第57-58页 |
| ·该系统的实际应用效果 | 第58页 |
| ·本章小结 | 第58-59页 |
| 第六章 结论与展望 | 第59-61页 |
| ·论文总结 | 第59页 |
| ·展望 | 第59-61页 |
| 附录攻读硕士学位期间公开发表的论文 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |