面向社区智能服务的数据挖掘关键技术研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8页 |
| ·论文的主要研究内容 | 第8-9页 |
| ·论文的结构安排 | 第9-11页 |
| 第二章 数据挖掘技术 | 第11-15页 |
| ·数据挖掘的基本概述 | 第11-12页 |
| ·数据挖掘的概念 | 第11页 |
| ·数据挖掘的过程 | 第11-12页 |
| ·数据挖掘的主要分析方法 | 第12-13页 |
| ·数据挖掘在社区智能服务中的应用 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第三章 数据挖掘中的聚类分析技术 | 第15-27页 |
| ·聚类分析的基本概念 | 第15-19页 |
| ·聚类的定义 | 第15-16页 |
| ·聚类的数据结构 | 第16-17页 |
| ·聚类的数据类型 | 第17-18页 |
| ·聚类的相似度度量方法 | 第18-19页 |
| ·聚类方法的分类及典型算法 | 第19-24页 |
| ·划分方法 | 第20-22页 |
| ·层次方法 | 第22-23页 |
| ·基于密度的方法 | 第23页 |
| ·基于模型的方法 | 第23-24页 |
| ·基于网格的方法 | 第24页 |
| ·聚类技术的研究方向 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第四章 基于遗传算法的聚类技术研究 | 第27-45页 |
| ·遗传算法基本理论 | 第27-34页 |
| ·遗传算法的概念 | 第27页 |
| ·遗传算法的特点 | 第27-28页 |
| ·遗传算法的流程描述 | 第28-30页 |
| ·遗传算法的基本要素 | 第30-34页 |
| ·遗传算法对聚类的意义 | 第34-35页 |
| ·基于遗传算法的 k-means 改进算法 | 第35-40页 |
| ·编码 | 第35-36页 |
| ·初始种群 | 第36页 |
| ·适应度函数 | 第36-37页 |
| ·遗传操作 | 第37-38页 |
| ·终止条件 | 第38页 |
| ·改进算法描述 | 第38-40页 |
| ·改进算法实验分析与比较 | 第40-44页 |
| ·实验数据集 | 第40-42页 |
| ·实验结果分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 社区智能服务系统的设计和实现 | 第45-59页 |
| ·社区智能电子服务应用系统的设计 | 第45-46页 |
| ·系统的体系结构 | 第45-46页 |
| ·系统的功能模块 | 第46页 |
| ·数据挖掘子系统的设计 | 第46-50页 |
| ·子系统的设计原则 | 第46-47页 |
| ·子系统的体系结构 | 第47-48页 |
| ·子系统的功能设计 | 第48-50页 |
| ·系统开发环境及界面 | 第50-55页 |
| ·改进算法在系统中的应用分析 | 第55-58页 |
| ·流程分析 | 第55页 |
| ·数据源的选择 | 第55-56页 |
| ·聚类分析及结果 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·论文总结 | 第59页 |
| ·下一步工作 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-66页 |
