| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究的背景 | 第10-13页 |
| ·研究的目的和意义 | 第13-14页 |
| ·本文研究的主要内容 | 第14-15页 |
| 第二章 数据挖掘技术 | 第15-27页 |
| ·数据挖掘与知识发现 | 第15页 |
| ·数据挖掘的过程 | 第15-17页 |
| ·数据准备阶段 | 第16-17页 |
| ·数据挖掘阶段 | 第17页 |
| ·结果表达和解释阶段 | 第17页 |
| ·数据挖掘的任务 | 第17-20页 |
| ·关联(Association)分析 | 第17-18页 |
| ·分类(Classification) | 第18页 |
| ·聚类(Clustering) | 第18页 |
| ·回归模式(Regressinn Pattem)分析 | 第18-19页 |
| ·时间序列模式(Time Series Patterns)分析 | 第19页 |
| ·偏差分析 | 第19页 |
| ·估计与预测 | 第19-20页 |
| ·数据挖掘的分类 | 第20页 |
| ·按数据库类型分类 | 第20页 |
| ·按数据挖掘对象分类 | 第20页 |
| ·按数据挖掘任务分类 | 第20页 |
| ·按数据挖掘的方法和技术分类 | 第20页 |
| ·数据挖掘的对象 | 第20页 |
| ·数据挖掘的方法和技术 | 第20-23页 |
| ·归纳学习法 | 第21页 |
| ·仿生物技术 | 第21-22页 |
| ·公式发现 | 第22页 |
| ·统计分析方法 | 第22页 |
| ·模糊数学方法 | 第22页 |
| ·可视化技术 | 第22-23页 |
| ·其它的方法 | 第23页 |
| ·数据挖掘的知识表示 | 第23页 |
| ·数据挖掘工具 | 第23-25页 |
| ·数据采掘系统或系统原型 | 第23-24页 |
| ·主要商业产品介绍 | 第24-25页 |
| ·数据挖掘的应用领域 | 第25-26页 |
| ·数据挖掘在零售业中的应用 | 第25页 |
| ·数据挖掘在金融投资中的应用 | 第25页 |
| ·数据挖掘在电信业中的应用 | 第25页 |
| ·数据挖掘在保险业中的应用 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 关联规则数据挖掘算法 | 第27-41页 |
| ·Apriori算法 | 第27-32页 |
| ·Apriori算法思想 | 第27-28页 |
| ·Apriori算法范例 | 第28-30页 |
| ·Apriori核心算法描述 | 第30-31页 |
| ·Apriori算法的特点 | 第31-32页 |
| ·Apriori算法的不足之处 | 第32页 |
| ·基于Apriori算法的现有改进算法 | 第32-37页 |
| ·Partition算法 | 第33-34页 |
| ·Sampling算法 | 第34页 |
| ·DHP算法 | 第34-35页 |
| ·DIC算法 | 第35-36页 |
| ·FP-growth算法 | 第36-37页 |
| ·关联规则挖掘技术的扩充 | 第37-39页 |
| ·基于约束的关联规则 | 第37页 |
| ·时态约束关联规则 | 第37-38页 |
| ·变支持度关联规则 | 第38页 |
| ·多层关联规则挖掘 | 第38-39页 |
| ·多维关联规则挖掘 | 第39页 |
| ·关联规则挖掘技术注意的问题 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 关联规则在学生学习指导中的应用 | 第41-51页 |
| ·学生培养模型 | 第41-45页 |
| ·问题的提出 | 第41-42页 |
| ·学生培养模型及求解 | 第42-45页 |
| ·数据预处理 | 第45-47页 |
| ·关联规则算法的实现与应用 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 结束语 | 第51-53页 |
| 总结 | 第51页 |
| 今后研究方向展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56页 |