| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-12页 |
| ·研究背景及意义 | 第10-11页 |
| ·研究动机与目的 | 第11页 |
| ·论文内容安排 | 第11-12页 |
| 第二章 数据挖掘技术概述 | 第12-21页 |
| ·数据挖掘背景 | 第12-13页 |
| ·数据挖掘研究的现状 | 第13页 |
| ·数据挖掘概念 | 第13-14页 |
| ·数据挖掘的三个特征 | 第14-15页 |
| ·数据挖掘常用技术 | 第15-16页 |
| ·探索型数据挖掘 | 第15页 |
| ·预测型数据挖掘 | 第15-16页 |
| ·数据挖掘技术的分类 | 第16页 |
| ·数据挖掘的流程 | 第16-18页 |
| ·确定业务对象 | 第16页 |
| ·数据准备 | 第16-18页 |
| ·数据挖掘 | 第18页 |
| ·结果分析 | 第18页 |
| ·知识的同化 | 第18页 |
| ·数据挖掘研究存在的主要问题 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 分类算法 | 第21-43页 |
| ·分类的概述 | 第21-22页 |
| ·数据分类的过程 | 第22-23页 |
| ·几种典型的分类算法 | 第23-31页 |
| ·贝叶斯分类算法 | 第23-24页 |
| ·支持向量机(SVM) | 第24页 |
| ·神经网络 | 第24-26页 |
| ·基于数据库技术的分类算法 | 第26-27页 |
| ·决策树分类算法 | 第27-31页 |
| ·SPRINT 算法 | 第31-37页 |
| ·SPRINT 算法简介 | 第31页 |
| ·SPRINT 的基本思想 | 第31-32页 |
| ·最佳分割点 | 第32页 |
| ·寻找数值属性的最佳分割点 | 第32-33页 |
| ·寻找离散属性的最佳分割点 | 第33页 |
| ·结点的划分 | 第33-34页 |
| ·剪枝 | 第34-37页 |
| ·程序流程图 | 第37页 |
| ·SPRINT 算法的改进 | 第37-41页 |
| ·SPRINT 算法的不足 | 第37-38页 |
| ·对于以上两点不足之处的改进 | 第38-39页 |
| ·SPRINT 算法的改进的具体过程 | 第39-41页 |
| ·SPRINT 算法改进前后的性能测试 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 改进后的SPRINT 算法在零售业中潜在VIP 客户中的研究应用 | 第43-63页 |
| ·建立潜在VIP 客户的研究模型 | 第43-48页 |
| ·对数据进行规范化 | 第43页 |
| ·建立分类所需的训练集和测试集 | 第43页 |
| ·建立相应的潜在VIP 客户的分类规则 | 第43-46页 |
| ·采用改进后的SPRINT 算法对训练集数据进行分类 | 第46-47页 |
| ·对分类后的叶子结点分类别进行统计 | 第47页 |
| ·对挖掘出来的数据进行相应处理 | 第47-48页 |
| ·系统所需数据结构 | 第48-56页 |
| ·SPRINT 算法所需数据结构 | 第48-51页 |
| ·SPRINT 算法数据结构的C++语言实现 | 第51-53页 |
| ·改进后的SPRINT 算法中加入的数据结构 | 第53-56页 |
| ·数据准备 | 第56-57页 |
| ·数据抽取 | 第56页 |
| ·数据清洗 | 第56页 |
| ·数据整合 | 第56页 |
| ·数据筛选 | 第56页 |
| ·数据转换 | 第56-57页 |
| ·数据归约 | 第57页 |
| ·数据挖掘 | 第57-60页 |
| ·改进前后的SPRINT 算法的系统挖掘结果的比较分析 | 第60-63页 |
| 第五章 结论和展望 | 第63-65页 |
| ·小结 | 第63-64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67-68页 |
| 致谢 | 第68-69页 |
