基于数据挖掘的移动设备使用情况分析的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 数据来源 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 数据挖掘及相关技术的介绍 | 第16-26页 |
| 2.1 数据挖掘概述 | 第16-19页 |
| 2.1.1 数据挖掘的发展 | 第16页 |
| 2.1.2 数据挖掘的定义 | 第16页 |
| 2.1.3 数据挖掘的任务 | 第16-17页 |
| 2.1.4 数据挖掘的应用 | 第17-18页 |
| 2.1.5 数据挖掘的过程 | 第18-19页 |
| 2.2 聚类分析 | 第19-21页 |
| 2.2.1 K-means聚类算法的原理 | 第19-20页 |
| 2.2.2 K-means聚类算法的思想 | 第20-21页 |
| 2.3 关联规则挖掘 | 第21-26页 |
| 2.3.1 关联规则挖掘的相关概念 | 第21-23页 |
| 2.3.2 Apriori算法 | 第23-26页 |
| 第三章 数据的整合及初步分析 | 第26-35页 |
| 3.1 软件简介 | 第26-27页 |
| 3.2 数据处理与初步分析 | 第27-35页 |
| 3.2.1 数据集的整合 | 第27-28页 |
| 3.2.2 数据集的初步分析 | 第28-35页 |
| 第四章 聚类分析及其可视化研究 | 第35-52页 |
| 4.1 二分k-均值聚类算法 | 第35页 |
| 4.2 用Python编写聚类算法并将结果可视化 | 第35-39页 |
| 4.3 调用百度地图可视化聚类结果 | 第39-52页 |
| 4.3.1 百度地图API的说明与详解 | 第39-51页 |
| 4.3.2 聚类结果分析 | 第51-52页 |
| 第五章 基于Weka的关联规则挖掘 | 第52-63页 |
| 5.1 Weka的应用 | 第52-53页 |
| 5.1.1 Weka数据格式介绍 | 第52页 |
| 5.1.2 稀疏数据 | 第52页 |
| 5.1.3 Weka的图形用户界面 | 第52-53页 |
| 5.2 关联规则挖掘实验 | 第53-63页 |
| 5.2.1 数据预处理 | 第53-58页 |
| 5.2.2 关联规则实验 | 第58-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68页 |
