基于数据挖掘技术的智能信息处理
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题的目的和意义 | 第10-11页 |
| ·数据挖掘的现状及应用领域 | 第11-13页 |
| ·国内外研究现状及发展趋势 | 第11-12页 |
| ·应用领域 | 第12-13页 |
| ·论文的主要工作及章节安排 | 第13-15页 |
| 第2章 数据挖掘理论 | 第15-23页 |
| ·数据挖掘及有关概念 | 第15-20页 |
| ·数据挖掘的概念 | 第15页 |
| ·数据挖掘的产生 | 第15-16页 |
| ·数据挖掘的对象 | 第16-17页 |
| ·数据挖掘的功能 | 第17-18页 |
| ·数据挖掘模式 | 第18-19页 |
| ·挖掘的实施步骤 | 第19-20页 |
| ·数据挖掘的研究工作 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 关联规则挖掘 | 第23-38页 |
| ·关联规则基本概念 | 第23-24页 |
| ·关联规则方法分类 | 第24-25页 |
| ·Apriori算法 | 第25-28页 |
| ·Apriori算法的思想 | 第25-26页 |
| ·Apriori算法描述 | 第26-28页 |
| ·Apriori算法的不足及其改进算法 | 第28-30页 |
| ·Apriori算法的不足 | 第28-29页 |
| ·Apriori算法的改进算法 | 第29-30页 |
| ·并行关联规则挖掘 | 第30-37页 |
| ·并行计算环境 | 第30-34页 |
| ·数据挖掘算法中的并行性 | 第34-35页 |
| ·并行关联规则挖掘算法 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 分类方法的研究 | 第38-51页 |
| ·分类方法的基本概念 | 第38-39页 |
| ·分类的基本步骤 | 第39-40页 |
| ·分类算法种类 | 第40-41页 |
| ·贝叶斯网络分类方法 | 第41-45页 |
| ·贝叶斯概率理论 | 第41-42页 |
| ·贝叶斯网络的数学描述 | 第42-44页 |
| ·贝叶斯网络的拓扑结构 | 第44-45页 |
| ·判定树分类归纳算法 | 第45-50页 |
| ·经典判定树算法 | 第45-47页 |
| ·C4.5算法 | 第47-48页 |
| ·属性选择度量 | 第48-49页 |
| ·树的剪枝 | 第49-50页 |
| ·从判定树提取分类规则 | 第50页 |
| ·本章小结 | 第50-51页 |
| 第5章 聚类的研究 | 第51-56页 |
| ·聚类的基本概念 | 第51-52页 |
| ·聚类的种类 | 第52-55页 |
| ·划分的方法 | 第52页 |
| ·层次的方法 | 第52-53页 |
| ·基于密度的方法 | 第53-54页 |
| ·基于网格的聚类方法 | 第54-55页 |
| ·基于模型的聚类方法 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第6章 智能信息处理 | 第56-69页 |
| ·挖掘算法改进 | 第56-59页 |
| ·测试与应用 | 第59-68页 |
| ·全国计算机等级考试在校生成绩数据挖掘 | 第59-62页 |
| ·网络日志的挖掘 | 第62-65页 |
| ·大型超市数据挖掘 | 第65-68页 |
| ·本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 个人简历 | 第75-76页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第76-77页 |
| 致谢 | 第77页 |
