聚类分析技术在安徽省中小型科技企业发展中的应用
| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-16页 |
| ·研究背景 | 第13页 |
| ·研究现状 | 第13-14页 |
| ·本文研究的方法和目标 | 第14页 |
| ·本文的组织结构 | 第14-16页 |
| 第二章 中小型企业综述 | 第16-20页 |
| ·中小型企业的定义 | 第16-17页 |
| ·科技型企业的定义 | 第17页 |
| ·中小型科技企业定义 | 第17-18页 |
| ·中小型企业的所面临的问题 | 第18-20页 |
| 第三章 知识发现和数据挖掘技术 | 第20-27页 |
| ·数据挖掘的定义 | 第20页 |
| ·数据挖掘的组成 | 第20-21页 |
| ·数据挖掘分类 | 第21-22页 |
| ·数据挖掘的功能 | 第22-23页 |
| ·数据挖掘的过程 | 第23-24页 |
| ·数据准备阶段 | 第23-24页 |
| ·数据挖掘阶段 | 第24页 |
| ·结果表现及解释阶段 | 第24页 |
| ·数据挖掘的常用技术 | 第24-25页 |
| ·数据挖掘的商业定义 | 第25-27页 |
| 第四章 聚类分析 | 第27-37页 |
| ·聚类分析定义 | 第27-29页 |
| ·聚类分析的度量标准 | 第27-29页 |
| ·聚类分析中的数据类型 | 第29-33页 |
| ·数值属性 | 第29-30页 |
| ·二值属性 | 第30-31页 |
| ·符号、顺序和比例值变量属性 | 第31-32页 |
| ·混和类型属性 | 第32-33页 |
| ·异常点 | 第33页 |
| ·聚类分析算法的基本分类 | 第33-34页 |
| ·聚类分析的步骤 | 第34-35页 |
| ·k-平均算法 | 第35-37页 |
| 第五章 聚类分析在安徽中小型科技企业中的应用 | 第37-50页 |
| ·数据来源及数据信息 | 第37-38页 |
| ·SAS 简介 | 第38-40页 |
| ·SAS系统组成 | 第38页 |
| ·SAS系统的特点 | 第38-39页 |
| ·相关统计量 | 第39-40页 |
| ·实证分析与结果检验 | 第40-44页 |
| ·科技企业发展模式 | 第44-46页 |
| ·安徽省中小型科技企业发展模式 | 第44-45页 |
| ·发达国家中小型科技企业发展模式 | 第45-46页 |
| ·对策建议 | 第46-50页 |
| 第六章 总结与展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的论文 | 第54-55页 |
