首页--文化、科学、教育、体育论文--信息与知识传播论文--图书馆学、图书馆事业论文--图书馆学论文--图书馆自动化、网络化论文--图书馆管理集成系统论文

数据挖掘在高校图书馆管理系统中的应用

摘要第5-6页
Abstract第6-7页
第1章 绪论第11-16页
    1.1 研究的背景和意义第11-12页
    1.2 国内外的研究现状及分析第12-14页
        1.2.1 数据挖掘技术的国内外研究现状第12-13页
        1.2.2 电子图书馆的国内外研究现状第13-14页
    1.3 论文内容和结构安排第14-16页
第2章 数据挖掘的相关理论研究第16-24页
    2.1 数据挖掘的基本理论第16-21页
        2.1.1 数据挖掘的概念与操作对象第16-17页
        2.1.2 数据挖掘的关联领域和技术第17-19页
        2.1.3 数据挖掘的典型应用范围第19页
        2.1.4 数据挖掘未来面临的挑战第19-20页
        2.1.5 数据挖掘使用的注意事项第20-21页
    2.2 数据挖掘的典型算法第21-23页
        2.2.1 关联规则算法第21页
        2.2.2 聚类分析算法第21页
        2.2.3 回归分析算法第21-22页
        2.2.4 Bayes分析算法第22页
        2.2.5 决策树算法第22页
        2.2.6 神经网络算法第22-23页
        2.2.7 遗传算法第23页
    2.3 本章小结第23-24页
第3章 基于K-Means算法的图书馆数据聚类第24-34页
    3.1 聚类分析的典型方法第24-25页
        3.1.1 基于距离的聚类分析算法第24页
        3.1.2 基于层次的聚类分析算法第24-25页
        3.1.3 基于密度的聚类分析算法第25页
        3.1.4 基于网格的聚类分析算法第25页
        3.1.5 基于模型的聚类分析算法第25页
    3.2 K-Means均值聚类第25-26页
        3.2.1 K-Means均值聚类的基本思想第25-26页
        3.2.2 K-Means均值聚类的实现流程第26页
    3.3 图书馆数据的K-Means均值聚类第26-33页
        3.3.1 用户数据聚类第27-31页
        3.3.2 图书数据聚类第31-33页
    3.4 本章小结第33-34页
第4章 基于改进Apriori算法的图书馆数据挖掘第34-45页
    4.1 Apriori算法分析第34-38页
        4.1.1 Aprior算法的基本流程第34-35页
        4.1.2 Aprior算法的案例分析第35-38页
        4.1.3 Aprior算法的典型问题第38页
    4.2 Apriori算法的改进处理第38-44页
        4.2.1 Apriori算法的改进流程第38-39页
        4.2.2 改进Apriori算法的案例分析第39-41页
        4.2.3 改进Apriori算法的性能测试第41-44页
    4.3 本章小结第44-45页
第5章 电子图书馆管理信息系统的实现第45-58页
    5.1 系统总体框架设计第45-49页
        5.1.1 系统结构设计第45-46页
        5.1.2 系统功能设计第46-49页
    5.2 系统数据仓库设计第49-53页
        5.2.1 数据库ER模型第49-50页
        5.2.2 数据表设计第50-53页
    5.3 系统核心功能演示第53-57页
        5.3.1 系统界面设计第53-54页
        5.3.2 聚类分析功能演示第54-55页
        5.3.3 数据挖掘功能演示第55-57页
    5.4 本章小结第57-58页
结论第58-59页
参考文献第59-62页
攻读硕士学位期间发表的论文和取得的科研成果第62-63页
致谢第63-64页
个人简历第64页

论文共64页,点击 下载论文
上一篇:差分隐私直方图发布方法的研究
下一篇:基于JSP的铁路物流信息管理系统的设计与实现