| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 课题研究背景和意义 | 第12-13页 |
| 1.2 国内外相关领域发展现状 | 第13-15页 |
| 1.3 主要内容及创新 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 第二章 数据仓库与数据挖掘相关技术研究 | 第17-25页 |
| 2.1 数据仓库 | 第17-19页 |
| 2.1.1 数据仓库的概念和特征 | 第17-18页 |
| 2.1.2 数据仓库的基本体系结构及关键技术 | 第18-19页 |
| 2.2 数据挖掘处理相关技术 | 第19-24页 |
| 2.2.1 数据立方 | 第19-20页 |
| 2.2.2 OLAP技术 | 第20-22页 |
| 2.2.3 常见多维数据集挖掘模型 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 APRIORI算法改进及仿真分析 | 第25-32页 |
| 3.1 APRIORI关联性数据挖掘分析算法 | 第25-27页 |
| 3.1.1 Apriori算法基本原理 | 第25-26页 |
| 3.1.2 Apriori算法图示 | 第26-27页 |
| 3.2 APRIORI算法缺陷分析及改进 | 第27-29页 |
| 3.2.1 Apriori算法缺陷分析 | 第27-28页 |
| 3.2.2 Apriori算法改进设计 | 第28-29页 |
| 3.3 实验仿真分析 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 校园超市数据预处理及挖掘模型构建 | 第32-37页 |
| 4.1 实验数据来源及特点分析 | 第32-33页 |
| 4.2 数据提取及预处理 | 第33-35页 |
| 4.2.1 超市销售数据提取 | 第33-35页 |
| 4.2.2 数据预处理 | 第35页 |
| 4.3 基于OLAP和APRIORI算法的数据挖掘分析模型的构建 | 第35-36页 |
| 4.4 本章小结 | 第36-37页 |
| 第五章 数据挖掘模型及算法在在WEKA中的实现及应用 | 第37-53页 |
| 5.1 WEKA平台简介 | 第37页 |
| 5.2 WEKA数据挖掘平台分析方法及流程 | 第37-42页 |
| 5.2.1 Weka数据格式 | 第37-39页 |
| 5.2.2 用户接口 | 第39-41页 |
| 5.2.3 探索者图形用户界面 | 第41-42页 |
| 5.3 基于WEKA平台的挖掘模型构建 | 第42-49页 |
| 5.3.1 数据立方体和引擎构建 | 第42-47页 |
| 5.3.2 关联规则挖掘引擎 | 第47-49页 |
| 5.4 校园超市数据挖掘应用与结果分析 | 第49-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 附录 基于WEKA环境下的改进后的APRIORI核心算法实现代码 | 第59-68页 |
| 致谢 | 第68页 |
