| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-11页 |
| 1 引言 | 第11-20页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究意义及创新点 | 第12-13页 |
| 1.2.1 研究意义 | 第12-13页 |
| 1.2.2 主要创新点 | 第13页 |
| 1.3 国内外研究现状与评述 | 第13-17页 |
| 1.3.1 两化融合研究综述 | 第13-15页 |
| 1.3.2 决策支持系统研究综述 | 第15-16页 |
| 1.3.3 数据挖掘技术研究综述 | 第16-17页 |
| 1.3.4 个性化推荐技术研究综述 | 第17页 |
| 1.4 论文结构安排 | 第17-20页 |
| 2 相关理论 | 第20-28页 |
| 2.1 两化融合 | 第20-22页 |
| 2.1.1 两化融合的内涵 | 第20页 |
| 2.1.2 两化融合内容及特征 | 第20-22页 |
| 2.1.3 两化融合的发展趋势 | 第22页 |
| 2.2 数据挖掘 | 第22-24页 |
| 2.2.1 数据挖掘的内涵 | 第22-23页 |
| 2.2.2 数据挖掘研究内容及功能 | 第23-24页 |
| 2.2.3 数据挖掘技术的应用与发展 | 第24页 |
| 2.3 个性化推荐理论与主要技术 | 第24-28页 |
| 2.3.1 个性化推荐理论概述 | 第24-25页 |
| 2.3.2 个性化推荐的核心技术 | 第25-28页 |
| 3 两化融合方案决策分析与两化融合决策支持系统功能分析 | 第28-35页 |
| 3.1 两化融合方案决策分析 | 第28-30页 |
| 3.1.1 企业两化融合建设方案的主要内容与特征 | 第28-29页 |
| 3.1.2 企业两化融合决策过程分析 | 第29-30页 |
| 3.2 两化融合决策支持系统功能分析 | 第30-35页 |
| 3.2.1 两化融合决策支持系统概述 | 第30页 |
| 3.2.2 两化融合决策支持系统体系结构 | 第30-32页 |
| 3.2.3 两化融合决策支持系统核心功能 | 第32-33页 |
| 3.2.4 两化融合决策支持系统的主要创新点 | 第33-35页 |
| 4 两化融合决策支持系统个性化推荐模型的构建 | 第35-47页 |
| 4.1 企业数据信息的收集 | 第36-38页 |
| 4.1.1 企业基本属性信息 | 第36-37页 |
| 4.1.2 企业两化融合建设指标信息 | 第37-38页 |
| 4.2 企业数据信息的预处理 | 第38-41页 |
| 4.2.1 企业数据信息的整合与转换 | 第38-41页 |
| 4.2.2 企业数据信息的分类 | 第41页 |
| 4.3 两化融合决策支持系统的个性化推荐算法研究 | 第41-47页 |
| 4.3.1 关联规则模型 | 第42-43页 |
| 4.3.2 关联规则算法的研究 | 第43-47页 |
| 5 两化融合决策支持系统个性化推荐模型的实例分析与改进 | 第47-54页 |
| 5.1 两化融合决策支持系统个性化推荐模型实例分析 | 第47-49页 |
| 5.2 个性化推荐功能的分析与应用 | 第49-51页 |
| 5.2.1 两化融合决策支持系统个性化推荐功能对企业用户的实现 | 第49-51页 |
| 5.2.2 两化融合决策支持系统个性化推荐功能对政府部门用户的实现 | 第51页 |
| 5.3 个性化推荐模型算法的改进研究 | 第51-54页 |
| 5.3.1 Apriori推荐算法性能评价 | 第51-52页 |
| 5.3.2 Apriori推荐算法的改进研究 | 第52-54页 |
| 6 结论 | 第54-57页 |
| 6.1 论文总结 | 第54-55页 |
| 6.2 研究展望 | 第55-57页 |
| 参考文献 | 第57-59页 |
| 附录A | 第59-61页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第61-63页 |
| 学位论文数据集 | 第63页 |
