| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 引言 | 第8-12页 |
| ·课题来源 | 第8页 |
| ·选题依据和意义 | 第8-10页 |
| ·论文的研究内容和创新点 | 第10页 |
| ·论文的组织结构 | 第10-12页 |
| 第2章 数据仓库与数据挖掘 | 第12-22页 |
| ·数据仓库 | 第12-18页 |
| ·数据仓库的定义与特征 | 第12-13页 |
| ·数据仓库的体系结构 | 第13-15页 |
| ·数据仓库逻辑模型设计 | 第15-18页 |
| ·数据挖掘 | 第18-21页 |
| ·数据挖掘的步骤 | 第18-20页 |
| ·数据挖掘的分类 | 第20-21页 |
| ·数据仓库与数据挖掘的关系 | 第21页 |
| ·小结 | 第21-22页 |
| 第3章 关联规则挖掘算法 | 第22-31页 |
| ·关联规则 | 第22-26页 |
| ·关联规则的基本概念 | 第22页 |
| ·关联挖掘算法的相关定义 | 第22-23页 |
| ·关联挖掘的分类 | 第23-24页 |
| ·关联挖掘的主要研究方向和经典算法 | 第24-26页 |
| ·Apriori算法 | 第26-30页 |
| ·Apriori算法的解释 | 第26-28页 |
| ·Apriori算法的描述 | 第28-30页 |
| ·Apriori算法的局限性 | 第30页 |
| ·小结 | 第30-31页 |
| 第4章 关联规则挖掘算法的改进 | 第31-43页 |
| ·引言 | 第31-32页 |
| ·Apriori~(-d)算法所采用的改进方法 | 第32-36页 |
| ·Apriori~(-d)的频繁项目集发现策略 | 第32-33页 |
| ·Apriori~(-d)中的数据库存储策略 | 第33-34页 |
| ·Apriori~(-d)中的项目剪枝技术 | 第34-35页 |
| ·自顶向下的快速降维技术 | 第35-36页 |
| ·Apriori~(-d)算法设计 | 第36-42页 |
| ·Apriori~(-d)的算法描述 | 第36-39页 |
| ·Apriori~(-d)的主要伪码 | 第39-41页 |
| ·Apriori~(-d)算法与Apriori算法的分析与比较 | 第41-42页 |
| ·小结 | 第42-43页 |
| 第5章 关联规则挖掘算法量化策略 | 第43-48页 |
| ·量化关联规则算法的相关定义 | 第43-44页 |
| ·关联规则挖掘算法的量化策略 | 第44-45页 |
| ·量化关联规则挖掘算法的设计 | 第45-47页 |
| ·量化关联规则挖掘算法的详细描述 | 第45-46页 |
| ·量化关联规则挖掘算法的主要伪码 | 第46-47页 |
| ·小结 | 第47-48页 |
| 第6章 成绩挖掘与分析实例 | 第48-59页 |
| ·数据选取 | 第48-49页 |
| ·多维数据视图的建立与展现 | 第49-52页 |
| ·OLAP多维数据视图的建立 | 第49-51页 |
| ·成绩分析多维数据集的展现 | 第51-52页 |
| ·数值型数据的量化 | 第52-54页 |
| ·数据型数据的区间化分 | 第52-53页 |
| ·数据型数据的转换 | 第53-54页 |
| ·Apriori~(-d)算法在成绩分析中的应用 | 第54-58页 |
| ·系统的实现平台与关键类 | 第54-55页 |
| ·用户界面 | 第55-56页 |
| ·挖掘实例与结果分析 | 第56-58页 |
| ·改进的关联规则挖掘算法的优越性 | 第58页 |
| ·小节 | 第58-59页 |
| 第7章 结论与展望 | 第59-61页 |
| ·结论 | 第59页 |
| ·进一步的工作 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读学位期间的研究成果 | 第65页 |