| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 引言 | 第9页 |
| 1.2 数据挖掘在图书馆中的应用研究现状 | 第9-13页 |
| 1.2.1 数据挖掘研究现状 | 第9-10页 |
| 1.2.2 国外现状 | 第10页 |
| 1.2.3 国内现状 | 第10-11页 |
| 1.2.4 数据挖掘在图书馆应用现状 | 第11-13页 |
| 1.3 研究目标和内容 | 第13页 |
| 1.3.1 研究目标和研究内容 | 第13页 |
| 1.4 研究的意义 | 第13-14页 |
| 1.5 论文组织结构 | 第14-16页 |
| 第二章 数据挖掘技术 | 第16-25页 |
| 2.1 数据库技术与数据挖掘 | 第16页 |
| 2.2 数据挖掘的定义 | 第16-17页 |
| 2.3 数据挖掘简介 | 第17-20页 |
| 2.3.1 数据挖掘的分析方法 | 第17-18页 |
| 2.3.2 数据挖掘的类型 | 第18页 |
| 2.3.3 数据挖掘的详细过程 | 第18-20页 |
| 2.4 聚类算法 | 第20-21页 |
| 2.4.1 聚类分析 | 第20页 |
| 2.4.2 聚类分析面临的基本问题 | 第20-21页 |
| 2.5 K-means算法介绍 | 第21-22页 |
| 2.5.1 K-means的基本概念 | 第21页 |
| 2.5.2 K-means的算法过程 | 第21-22页 |
| 2.5.3 K-means的优缺点 | 第22页 |
| 2.6 DBSCAN算法介绍 | 第22-24页 |
| 2.6.1 DBSCAN的基本概念 | 第22-23页 |
| 2.6.2 DBSCAN算法过程 | 第23-24页 |
| 2.6.3 DBSCAN的优缺点 | 第24页 |
| 2.7 本章小结 | 第24-25页 |
| 第三章 K-means和DBSCAN算法的优化及应用 | 第25-36页 |
| 3.1 图书馆数据挖掘的聚类需求分析 | 第25-28页 |
| 3.1.1 针对个人用户的数据挖掘需求 | 第25-26页 |
| 3.1.2 针对图书的数据挖掘需求 | 第26-28页 |
| 3.2 K-means算法的图书馆应用 | 第28-31页 |
| 3.2.1 K-means算法应用分析 | 第28-29页 |
| 3.2.2 K-means算法在图书馆数据挖掘中的应用模型 | 第29-30页 |
| 3.2.3 K-means应用模型的优化说明 | 第30-31页 |
| 3.3 DBSCAN算法的图书馆应用 | 第31-35页 |
| 3.3.1 DBSCAN算法的应用分析 | 第31-32页 |
| 3.3.2 DBSCAN算法在图书馆数据挖掘中的应用模型 | 第32页 |
| 3.3.3 DBSCAN算法的优化说明 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 K-means和DBSCAN算法验证 | 第36-49页 |
| 4.1 两种算法下书籍推荐模型的实现 | 第36页 |
| 4.2 数据准备与预处理 | 第36-38页 |
| 4.3 对用户和书籍的信息分析 | 第38页 |
| 4.4 K-means算法实验效果 | 第38-44页 |
| 4.4.1 实验数据 | 第38-42页 |
| 4.4.2 评价标准 | 第42-44页 |
| 4.4.3 K-means算法小结 | 第44页 |
| 4.5 DBSCAN算法实验效果 | 第44-48页 |
| 4.5.1 实验数据 | 第44-46页 |
| 4.5.2 评价标准 | 第46-47页 |
| 4.5.3 DBSCAN算法小结 | 第47-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第五章 结束与展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 答辩委员签名的答辩决议书 | 第54页 |
