| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 引言 | 第7-13页 |
| ·研究背景 | 第7-8页 |
| ·研究现状 | 第8-12页 |
| ·数据挖掘技术的应用现状 | 第8-9页 |
| ·面临的问题 | 第9-10页 |
| ·数据挖掘工具的现状及其选择 | 第10-12页 |
| ·目的意义 | 第12页 |
| ·论文的组织 | 第12-13页 |
| 第二章 数据挖掘概述 | 第13-24页 |
| ·数据挖掘简介 | 第13-17页 |
| ·数据挖掘原理 | 第13-15页 |
| ·数据挖掘与数据仓库 | 第15-16页 |
| ·数据挖掘与OLAP | 第16-17页 |
| ·数据挖掘方法 | 第17-24页 |
| ·数据挖掘方法论 | 第17-19页 |
| ·数据挖掘的分析方法 | 第19-23页 |
| ·数据挖掘算法 | 第23-24页 |
| 第三章 大型商业银行数据仓库设计 | 第24-37页 |
| ·数据仓库应用的演变 | 第24-25页 |
| ·数据仓库的总体结构 | 第25-27页 |
| ·数据仓库的需求分析 | 第27-28页 |
| ·数据仓库的模型设计 | 第28-34页 |
| ·概念模型 | 第28-29页 |
| ·逻辑模型 | 第29-30页 |
| ·物理模型 | 第30-32页 |
| ·元数据模型 | 第32-33页 |
| ·粒度和聚集模型 | 第33-34页 |
| ·数据仓库的实施过程 | 第34-35页 |
| ·数据挖掘管理系统的应用层次设计 | 第35-37页 |
| 第四章 关联规则算法在银行交易内在关联中的应用 | 第37-41页 |
| ·应用背景分析 | 第37页 |
| ·关联规则算法原理 | 第37-38页 |
| ·关联规则算法的应用 | 第38-40页 |
| ·基于Apriori关联规则算法实现银行交易内部的关联预测 | 第40-41页 |
| 第五章 聚类算法在银行客户研究中的应用 | 第41-44页 |
| ·应用背景分析 | 第41页 |
| ·聚类算法原理 | 第41-42页 |
| ·聚类算法的应用 | 第42-43页 |
| ·基于SQL Server 2005工具实现聚类算法 | 第43-44页 |
| 第六章 回归算法在银行信息系统决策中的应用 | 第44-48页 |
| ·应用背景分析 | 第44页 |
| ·回归算法原理 | 第44-45页 |
| ·回归算法的应用 | 第45-47页 |
| ·基于TPM工具实现回归算法 | 第47-48页 |
| 第七章 数据挖掘管理系统原型实现 | 第48-59页 |
| ·数据挖掘管理系统总体方案设计 | 第48-49页 |
| ·数据挖掘管理系统原型设计及目标 | 第49-51页 |
| ·数据挖掘管理系统原型设计 | 第49-50页 |
| ·数据挖掘管理系统设计目标 | 第50页 |
| ·原型实现环境 | 第50-51页 |
| ·数据挖掘管理系统原型实现 | 第51-59页 |
| ·数据挖掘管理系统的ETL实现 | 第51页 |
| ·关联规则算法在数据挖掘管理系统中的实现 | 第51-54页 |
| ·聚类算法在数据挖掘管理系统中的实现 | 第54-56页 |
| ·回归算法在数据挖掘管理系统中的实现 | 第56-59页 |
| 第八章 结论和展望 | 第59-60页 |
| 参考文献 | 第60-61页 |
| 致谢 | 第61-62页 |