数据挖掘在甘肃省联网售票系统中的应用
| 提要 | 第1-8页 |
| 第一章 绪论 | 第8-14页 |
| ·项目背景 | 第8-9页 |
| ·售票系统现状 | 第9-10页 |
| ·发展联网售票系统的必要性 | 第10-11页 |
| ·智能化客运管理系统的不足 | 第10-11页 |
| ·交通运输行业的发展现状 | 第11页 |
| ·数据挖掘在系统中的应用 | 第11-12页 |
| ·本文的主要内容及所做的工作 | 第12-14页 |
| 第二章 联网售票系统 | 第14-21页 |
| ·联网售票系统的提出与规划 | 第14-16页 |
| ·系统各模块功能描述 | 第16-21页 |
| 第三章 数据挖掘概述 | 第21-26页 |
| ·数据挖掘概述 | 第21-25页 |
| ·数据挖掘的概念 | 第21页 |
| ·数据挖掘的过程 | 第21-23页 |
| ·数据挖掘系统的体系结构 | 第23页 |
| ·数据挖掘的主要方法 | 第23-25页 |
| ·数据挖掘的具体应用 | 第25页 |
| ·数据挖掘的发展趋势 | 第25-26页 |
| 第四章 聚类分析与马尔可夫预测法 | 第26-43页 |
| ·聚类分析 | 第26-30页 |
| ·聚类分析的概念 | 第26-27页 |
| ·类的表示 | 第27页 |
| ·相似性测度 | 第27-28页 |
| ·类间的测度函数 | 第28-29页 |
| ·常用的聚类策略 | 第29-30页 |
| ·聚类的一般步骤 | 第30页 |
| ·聚类分析的方法 | 第30-32页 |
| ·基于层次的方法 | 第31页 |
| ·基于划分的方法 | 第31页 |
| ·基于密度的方法 | 第31页 |
| ·基于网格的方法 | 第31-32页 |
| ·K-means 算法概述 | 第32-37页 |
| ·K-means 算法的基本思想、基本原理 | 第32-34页 |
| ·K-means 算法结构分析 | 第34-37页 |
| ·马尔可夫预测法 | 第37-43页 |
| ·马尔可夫概念 | 第37页 |
| ·马尔可夫预测法的基本原理 | 第37-39页 |
| ·马尔可夫链的主要特点及其预测模型 | 第39-43页 |
| 第五章 数据挖掘在项目中的应用 | 第43-62页 |
| ·聚类分析的应用 | 第43-54页 |
| ·聚类分析的目的 | 第45页 |
| ·功能介绍 | 第45-48页 |
| ·聚类分析 | 第48-52页 |
| ·聚类结果验证 | 第52-54页 |
| ·客流状态预测 | 第54-62页 |
| ·预测准备 | 第54-56页 |
| ·预测分析 | 第56-60页 |
| ·验证预测 | 第60-62页 |
| 第六章 结论与展望 | 第62-64页 |
| ·联网售票系统的效益 | 第62页 |
| ·数据挖掘在系统中的现实意义 | 第62页 |
| ·具体工作及成果 | 第62-63页 |
| ·系统展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 摘要 | 第67-70页 |
| Abstract | 第70-74页 |
| 致谢 | 第74-75页 |
| 导师及作者简介 | 第75页 |
