| 1 引言 | 第1-12页 |
| ·区域经济及其研究的重要性 | 第8-10页 |
| ·区域经济学及其主要流派 | 第8-9页 |
| ·数据挖掘的主要方法 | 第9-10页 |
| ·数据挖掘中的常用技术 | 第10页 |
| ·数据挖掘技术在国际金融业中的应用现状 | 第10-11页 |
| ·本文的主要研究工作 | 第11-12页 |
| ·采用Microsoft SQL Server 2000 Analysis Services中的工具建立了相关的聚类挖掘模型 | 第11-12页 |
| ·对运算结果进行经济学分析 | 第12页 |
| ·本文的组织形式 | 第12页 |
| 2 数据挖掘模型 | 第12-21页 |
| ·数据挖掘过程 | 第12-13页 |
| ·聚类分析算法 | 第13-15页 |
| ·Microsoft SQL Server 2000 Analysis Services中聚类挖掘模型 | 第15-21页 |
| ·算法简介 | 第15页 |
| ·算法描述 | 第15-16页 |
| ·参数说明 | 第16页 |
| ·标准EM算法 | 第16-17页 |
| ·SEM算法 | 第17-19页 |
| ·扩展EM算法 | 第19-20页 |
| ·数据概括 | 第20-21页 |
| ·Microsoft SQL Server 2000 Analysis Services中聚类模型的建立步骤 | 第21页 |
| 3 聚类挖掘模型的有效性检验 | 第21-22页 |
| ·Google依靠聚类软件技术建立五个地区新闻网站 | 第21页 |
| ·聚类分析在我国教育现代化特征分析中的应用 | 第21-22页 |
| 4 对信贷数据的实例分析 | 第22-40页 |
| ·模型的建立 | 第22-32页 |
| ·软硬件环境 | 第22-23页 |
| ·数据转换 | 第23-27页 |
| ·聚类模型设计与建立 | 第27-32页 |
| ·模型一: 建国以来贷款投向分布 | 第32-35页 |
| ·模型二: 2000年以后的贷款投向分布 | 第35-37页 |
| ·模型一和模型二小类行业贷款分布对比分析 | 第37-38页 |
| ·模型一和模型二大类行业贷款分布对比分析 | 第38页 |
| ·贷款分布变化对比分析 | 第38-39页 |
| ·对贷款投向进行宏观调控的建议 | 第39-40页 |
| 5 区域贷款投向聚类分析模型 | 第40-41页 |
| ·分析模型建立的条件 | 第40页 |
| ·预测模型的建立 | 第40-41页 |
| ·确定数据周期 | 第40页 |
| ·确定聚类个数 | 第40页 |
| ·聚类运算 | 第40页 |
| ·对比分析 | 第40-41页 |
| ·预测分析 | 第41页 |
| ·验证与误差分析 | 第41页 |
| 6 模型验证 | 第41-44页 |
| ·数据运算 | 第41-42页 |
| ·数据分类分析 | 第42-44页 |
| ·验证结论 | 第44页 |
| 7 总结和展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-51页 |
| 附件A: 贷款详细分类数据 | 第51-54页 |
| 附件B: 贷款分行业大类数据 | 第54-60页 |
