基于数据挖掘的B2B供应商可信度的分类
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究背景 | 第10-11页 |
| ·研究现状 | 第11-12页 |
| ·研究目标和内容 | 第12-13页 |
| ·论文结构 | 第13-15页 |
| 第2章 基于数据挖掘的供应商分类技术 | 第15-26页 |
| ·传统的供应商分类存在的问题 | 第15页 |
| ·数据挖掘技术 | 第15-19页 |
| ·数据挖掘技术的引入 | 第15-16页 |
| ·数据挖掘过程 | 第16-19页 |
| ·供应商可信度分类算法的选取 | 第19-25页 |
| ·聚类算法 | 第19-22页 |
| ·分类算法 | 第22-25页 |
| ·数据挖掘工具 | 第25-26页 |
| 第3章 对K-Means算法的改进 | 第26-42页 |
| ·聚类中的数据类型及数据结构 | 第26-28页 |
| ·数据类型 | 第26-28页 |
| ·数据结构 | 第28页 |
| ·经典的K-Means聚类算法 | 第28-33页 |
| ·算法原理 | 第28-31页 |
| ·算法实例 | 第31-32页 |
| ·优缺点分析 | 第32-33页 |
| ·对K-Means算法的改进 | 第33-38页 |
| ·改进原因 | 第33页 |
| ·改进方法 | 第33-35页 |
| ·算法实验对比分析 | 第35-38页 |
| ·改进算法的程序实现 | 第38-42页 |
| ·算法描述 | 第38-40页 |
| ·代码实现 | 第40-42页 |
| 第4章 对ID3算法的改进 | 第42-58页 |
| ·决策树分类 | 第42-43页 |
| ·经典的ID3算法 | 第43-49页 |
| ·算法原理 | 第43-44页 |
| ·算法实例 | 第44-48页 |
| ·优缺点分析 | 第48-49页 |
| ·ID3算法的改进 | 第49-54页 |
| ·改进原因 | 第49页 |
| ·改进方法 | 第49-51页 |
| ·算法实验对比分析 | 第51-54页 |
| ·改进算法的程序实现 | 第54-58页 |
| ·算法描述 | 第54-55页 |
| ·代码实现 | 第55-58页 |
| 第5章 B2B供应商可信度分类实验 | 第58-70页 |
| ·实验背景 | 第58页 |
| ·数据预处理 | 第58-61页 |
| ·处理缺失数据 | 第58-59页 |
| ·处理噪声数据 | 第59页 |
| ·处理不一致数据 | 第59页 |
| ·数据转换 | 第59-60页 |
| ·处理数据离散化 | 第60-61页 |
| ·数据聚合及属性约简 | 第61-64页 |
| ·数据聚合 | 第61-62页 |
| ·属性约简 | 第62-64页 |
| ·Wm-K-Means算法的聚类分析 | 第64-67页 |
| ·供应商数据的聚类过程 | 第64-66页 |
| ·聚类结果分析 | 第66-67页 |
| ·J-ID3算法的分类分析 | 第67-70页 |
| ·供应商可信度分类过程 | 第67-69页 |
| ·可信度分类结果分析 | 第69-70页 |
| 第6章 总结与展望 | 第70-73页 |
| ·总结 | 第70-71页 |
| ·展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76页 |
