| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 引言 | 第7-10页 |
| ·研究背景和意义 | 第7-8页 |
| ·国外的研究动态 | 第8页 |
| ·本文的创新点 | 第8-9页 |
| ·论文总体结构 | 第9-10页 |
| 第二章 数据挖掘简介 | 第10-19页 |
| ·数据挖掘的一般过程 | 第10-11页 |
| ·数据挖掘的典型系统 | 第11-12页 |
| ·数据挖掘的系统模型 | 第12-13页 |
| ·数据挖掘的分类 | 第13页 |
| ·数据挖掘的方法 | 第13-16页 |
| ·数据挖掘的应用 | 第16页 |
| ·数据挖掘所面临的挑战 | 第16-19页 |
| 第三章 挖掘关联规则的基本理论 | 第19-23页 |
| ·关联规则的引出 | 第19-20页 |
| ·关联规则的基本概念 | 第20页 |
| ·关联规则的分类 | 第20-22页 |
| ·挖掘关联规则的步骤 | 第22-23页 |
| 第四章 关联规则挖掘算法及分析 | 第23-34页 |
| ·核心算法Apriori算法 | 第23-26页 |
| ·由频繁项集产生关联规则 | 第26-27页 |
| ·提高Apriori的有效性 | 第27-29页 |
| ·基于Apriori的若干改进算法 | 第29-31页 |
| ·多层关联规则的挖掘算法 | 第31-32页 |
| ·多维关联规则的挖掘算法 | 第32-34页 |
| 第五章 基于多维频繁项集挖掘多维关联规则算法的探索 | 第34-42页 |
| ·问题的引出 | 第34页 |
| ·算法描述 | 第34-38页 |
| ·由关联挖掘到相关性分析 | 第38-39页 |
| ·强关联规则不一定是有趣的 | 第38-39页 |
| ·由关联分析到相关性分析 | 第39页 |
| ·对相关性的探索 | 第39-42页 |
| ·问题的提出 | 第39-40页 |
| ·解决算法 | 第40-42页 |
| 第六章 数据挖掘在大型开放型实验室综合管理中的应用 | 第42-61页 |
| ·大型开放型实验室综合管理网络系统介绍 | 第42-48页 |
| ·IC卡卡务管理系统 | 第43-45页 |
| ·IC卡刷卡系统 | 第45-46页 |
| ·资产管理系统 | 第46-48页 |
| ·调度管理系统 | 第48页 |
| ·应用的具体技术 | 第48-51页 |
| ·多线程技术 | 第48-49页 |
| ·SQL Server 2000与ADO技术 | 第49-51页 |
| ·数据挖掘技术 | 第51页 |
| ·关联规则挖掘算法的应用 | 第51-61页 |
| ·开发环境 | 第51页 |
| ·系统结构 | 第51-52页 |
| ·创建数据库 | 第52-53页 |
| ·关联规则挖掘算法的应用 | 第53-55页 |
| ·关联规则挖掘系统部分界面及性能分析 | 第55-59页 |
| ·在该大型系统中应用的实际意义 | 第59-61页 |
| 第七章 总结及展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间进行的相关工作 | 第68页 |