基于密度的海量数据增量式挖掘技术研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第8-13页 |
| ·引言 | 第8页 |
| ·增量式挖掘技术 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·主要研究内容 | 第11-12页 |
| ·论文的组织结构 | 第12-13页 |
| 第二章 数据挖掘技术 | 第13-34页 |
| ·数据挖掘概念 | 第13-15页 |
| ·定义 | 第13页 |
| ·数据挖掘过程 | 第13-14页 |
| ·数据挖掘与OLAP的关系 | 第14-15页 |
| ·数据挖掘中典型的模式抽取方法 | 第15-18页 |
| ·聚类挖掘技术 | 第18-26页 |
| ·聚类分析的概念 | 第18-19页 |
| ·聚类算法的评价 | 第19页 |
| ·聚类分析的应用 | 第19-20页 |
| ·主要的聚类方法 | 第20-26页 |
| ·数据挖掘对象 | 第26-30页 |
| ·数据挖掘应用 | 第30-34页 |
| 第三章 基于孤立点因子的增量式聚类挖掘算法 | 第34-50页 |
| ·增量挖掘方法简介 | 第34-39页 |
| ·关联规则的增量式更新算法 | 第35-37页 |
| ·基于密度的增量式聚类挖掘算法 | 第37-39页 |
| ·基于孤立点因子的聚类概念描述 | 第39-43页 |
| ·基于孤立点因子的类的概念 | 第39-41页 |
| ·孤立点因子检测的相关属性 | 第41-43页 |
| ·基于孤立点因子的聚类挖掘算法 | 第43-46页 |
| ·数据预处理 | 第43-45页 |
| ·算法描述 | 第45-46页 |
| ·基于孤立点因子的增量式聚类挖掘算法 | 第46-49页 |
| ·小结 | 第49-50页 |
| 第四章 算法实验结果与评价 | 第50-61页 |
| ·实验环境 | 第50页 |
| ·实验平台 | 第50页 |
| ·客户价值指标 | 第50页 |
| ·客户关系管理 | 第50-54页 |
| ·客户关系管理的基本概念 | 第50-53页 |
| ·客户关系管理中的重点客户分析 | 第53-54页 |
| ·实验结果与分析 | 第54-60页 |
| ·实验结果分析 | 第54-59页 |
| ·对聚类实验结果的讨论 | 第59-60页 |
| ·小结 | 第60-61页 |
| 第五章 结束语 | 第61-62页 |
| ·本文主要贡献 | 第61页 |
| ·需要进一步研究的问题 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-64页 |
