| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 本文的研究背景 | 第12-13页 |
| 1.2 数据挖掘的国内外研究现状 | 第13-14页 |
| 1.3 高校资产数据资源的现状与特点 | 第14-15页 |
| 1.4 本文研究的的主要内容 | 第15-16页 |
| 1.5 本文的组织结构 | 第16-17页 |
| 第2章 数据挖掘研究概述 | 第17-31页 |
| 2.1 数据仓库和数据挖掘 | 第17-18页 |
| 2.1.1 数据库与数据仓库 | 第17-18页 |
| 2.1.2 数据仓库和数据挖掘 | 第18页 |
| 2.2 数据挖掘与关联规则挖掘研究概述 | 第18-24页 |
| 2.2.1 数据挖掘研究概述 | 第18-22页 |
| 2.2.2 关联规则研究概述 | 第22-24页 |
| 2.3 关联规则挖掘算法 | 第24-31页 |
| 2.3.1 关联规则问题描述 | 第24-25页 |
| 2.3.2 项集与频繁项集 | 第25-26页 |
| 2.3.3 关联规则挖掘的步骤 | 第26-27页 |
| 2.3.4 Apriori算法 | 第27-31页 |
| 第3章 改进的关联规则挖掘算法 | 第31-43页 |
| 3.1 对Apriori算法的改进 | 第31-41页 |
| 3.1.1 几个关联规则挖掘算法的总结 | 第31-32页 |
| 3.1.2 加入用户兴趣项 | 第32-33页 |
| 3.1.3 构建兴趣度模型 | 第33-35页 |
| 3.1.4 关系数据库中的SQL语言挖掘方法 | 第35-36页 |
| 3.1.5 SQL Server 2005的数据挖掘功能介绍 | 第36-37页 |
| 3.1.6 SQL Server 2005的关联规则挖掘 | 第37-39页 |
| 3.1.7 改进的Apriori挖掘算法描述 | 第39-41页 |
| 3.2 基于部门约束的关联规则挖掘算法 | 第41-43页 |
| 第4章 高校资产数据挖掘系统设计及实验 | 第43-57页 |
| 4.1 高校的资产数据概况 | 第43-44页 |
| 4.2 高校资产数据仓库的设计 | 第44-46页 |
| 4.2.1 以资产为核心的主题设计 | 第44-45页 |
| 4.2.2 以决策和数据挖掘为目标的粗粒度设计 | 第45页 |
| 4.2.3 高校资产数据仓库的逻辑模型设计 | 第45-46页 |
| 4.3 数据属性归约 | 第46-47页 |
| 4.4 资产管理指标数据的取值 | 第47-48页 |
| 4.5 部门约束关联规则挖掘算法 | 第48-49页 |
| 4.6 实验环境及数据挖掘过程 | 第49-52页 |
| 4.6.1 实验环境 | 第49-50页 |
| 4.6.2 数据挖掘过程 | 第50-52页 |
| 4.7 实验结果及分析 | 第52-56页 |
| 4.8 关联规则应用于资产管理 | 第56-57页 |
| 结论与展望 | 第57-60页 |
| 参考文献 | 第60-64页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第64-66页 |
| 致谢 | 第66页 |