| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题研究背景与研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文研究的内容及主要研究方法 | 第13页 |
| ·论文的主要内容与章节安排 | 第13-15页 |
| 第二章 电子商务背景知识 | 第15-16页 |
| 第三章 商业智能与数据挖掘 | 第16-29页 |
| ·商业智能简介 | 第16-17页 |
| ·数据挖掘概述 | 第17-29页 |
| ·数据挖掘解决的商业问题 | 第17-18页 |
| ·数据挖掘的任务 | 第18-21页 |
| ·数据挖掘项目的生命周期 | 第21-24页 |
| ·数据挖掘体系结构 | 第24-25页 |
| ·数据挖掘过程模型 | 第25-29页 |
| 第四章 数据挖掘在顾客消费行为分析中的应用 | 第29-43页 |
| ·Microsoft 聚类算法 | 第29-36页 |
| ·EM 聚类分析 | 第30-31页 |
| ·K-平均值聚类分析 | 第31-33页 |
| ·聚类效果的评价 | 第33页 |
| ·聚类预测 | 第33-34页 |
| ·聚类算法的参数 | 第34-36页 |
| ·Microsoft 关联规则算法 | 第36-43页 |
| ·关联规则算法的基本概念 | 第37-38页 |
| ·频繁项集的挖掘 | 第38-39页 |
| ·生成关联规则 | 第39页 |
| ·关联预测 | 第39-40页 |
| ·关联算法的参数 | 第40-43页 |
| 第五章 实例分析 | 第43-68页 |
| ·SQL Server 数据挖掘方案的构成 | 第43-46页 |
| ·使用Microsoft 聚类算法进行数据挖掘分析 | 第46-63页 |
| ·商业需求 | 第46-51页 |
| ·创建解决方案 | 第51-63页 |
| ·Microsoft 聚类分析的挖掘结果分析 | 第63页 |
| ·使用Microsoft 关联规则算法进行数据挖掘分析 | 第63-66页 |
| ·商业需求 | 第63-64页 |
| ·创建解决方案 | 第64-65页 |
| ·Microsoft 关联规则的挖掘结果分析 | 第65-66页 |
| ·实例分析总结 | 第66-68页 |
| 第六章 结论及展望 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间发表论文及参加科研项目情况 | 第72页 |