第一章 绪论 | 第10-18页 |
1.1 数据仓库与联机分析处理 | 第10-11页 |
1.2 数据库中知识发现(KDD) | 第11-14页 |
1.2.1 数据库中知识发现的定义与目标 | 第11-12页 |
1.2.2 KDD的过程与方法 | 第12-14页 |
1.3 数据挖掘的研究现状和方法 | 第14-17页 |
1.3.1 时间序列的研究现状与挑战 | 第14-15页 |
1.3.2 分类规则的研究现状与挑战 | 第15-16页 |
1.3.3 关联规则的研究现状与挑战 | 第16-17页 |
1.4 本文的研究内容与章节安排 | 第17-18页 |
第二章 数据仓库构造的研究 | 第18-39页 |
2.1 数据仓库 | 第18-21页 |
2.1.1 数据仓库的概念 | 第18-19页 |
2.1.2 数据仓库的设计和结构 | 第19-21页 |
2.2 数据立方体 | 第21-25页 |
2.2.1 数据立方体的定义 | 第21-22页 |
2.2.2 数据立方体的操作 | 第22-24页 |
2.2.3 数据立方体的构造 | 第24-25页 |
2.3 概念层次 | 第25-30页 |
2.3.1 概念层次的定义 | 第25-26页 |
2.3.2 时间数据的概念层次 | 第26-27页 |
2.3.3 概念层次在KDD中应用 | 第27-28页 |
2.3.4 数值型概念层次的自动提取算法 | 第28-30页 |
2.4 一种数据泛化算法 | 第30-33页 |
2.4.1 引言 | 第30-31页 |
2.4.2 基于数据立方体的泛化算法 | 第31-33页 |
2.5 相关性分析 | 第33-39页 |
2.5.1 概述 | 第33-34页 |
2.5.2 三种相关性分析的方法 | 第34-36页 |
2.5.3 相关性分析方法的比较 | 第36-37页 |
2.5.4 基于数据立方体的相关分析算法 | 第37-39页 |
第三章 基于时序数据的模式发现算法的研究 | 第39-46页 |
3.1 时间序列模式问题描述 | 第39-41页 |
3.2 时间序列模式算法描述 | 第41-45页 |
3.3 时间序列模式试验结果 | 第45-46页 |
第四章 基于泛化的在线分类算法的研究 | 第46-61页 |
4.1 决策树分类方法 | 第46-48页 |
4.1.1 决策树的基本概念及应用范围 | 第46-47页 |
4.1.2 决策树归纳的基本算法 | 第47-48页 |
4.2 基于泛化的在线分类的总体框架 | 第48-50页 |
4.2.1 算法的依据 | 第48-49页 |
4.2.2 基于泛化的在线分类算法的总体框架 | 第49-50页 |
4.3 构造决策树 | 第50-57页 |
4.3.3 叶结点的类别 | 第52-54页 |
4.3.4 阈值控制建树法 | 第54-57页 |
4.4 从分类树提取分类规则 | 第57-59页 |
4.4.1 提取分类规则的目的和基本步骤 | 第57页 |
4.4.2 从分类树中抽取单条规则 | 第57-59页 |
4.5 算法的试验与分析 | 第59-61页 |
第五章 基于概念格挖掘关联规则算法的研究 | 第61-67页 |
5.1 关联规则问题描述 | 第61-62页 |
5.2 从量化概念格提取关联规则 | 第62-67页 |
5.2.1 量化概念格的概念及性质 | 第62页 |
5.2.2 量化格结构及其性质 | 第62-63页 |
5.2.3 量化格结构的构造算法 | 第63-64页 |
5.2.4 不确定系数约简量化概念格的关联规则挖掘 | 第64-67页 |
第六章 数据挖掘工具的设计与实现 | 第67-76页 |
6.1 KDD的处理过程模型 | 第67-70页 |
6.1.1 多处理阶段过程模型 | 第68页 |
6.1.2 以用户为中心的处理模型 | 第68-70页 |
6.1.3 两种模型的选择 | 第70页 |
6.2 挖掘工具--MybDbminer | 第70-75页 |
6.2.1 MybDbminer的总体框架 | 第71-72页 |
6.2.2 MybDbminer的具体实现 | 第72-75页 |
6.3 MybDbminerr的一个应用实例 | 第75-76页 |
第七章 总结与展望 | 第76-78页 |
7.1 全文总结 | 第76-77页 |
7.2 进一步的研究 | 第77-78页 |
致谢 | 第78-79页 |
参考文献 | 第79-84页 |