数据挖掘算法的加权及其在商业智能中的实现与应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-21页 |
| ·研究背景及意义 | 第9-10页 |
| ·研究内容 | 第10-11页 |
| ·国内外研究现状 | 第11-20页 |
| ·商业智能现状 | 第11-16页 |
| ·数据挖掘的研究现状 | 第16-20页 |
| ·关联规则 | 第16-17页 |
| ·时间序列 | 第17-18页 |
| ·贝叶斯 | 第18-20页 |
| ·本文工作和组织结构 | 第20-21页 |
| 第二章 商业智能和ERP 集成架构设计 | 第21-33页 |
| ·商业智能与ERP 集成架构必要性 | 第21-22页 |
| ·商业智能和ERP 集成架构总体设计 | 第22-28页 |
| ·针对企业信息的数据挖掘算法 | 第28-32页 |
| ·企业效益指标 | 第28-30页 |
| ·数据挖掘算法的加权 | 第30-32页 |
| ·小结 | 第32-33页 |
| 第三章 针对企业经济指标的数据挖掘算法设计 | 第33-58页 |
| ·采用层次分析法进行加权 | 第33-35页 |
| ·基于频繁模式树的加权正负关联规则 | 第35-42页 |
| ·正负关联规则的加权 | 第35-38页 |
| ·基于频繁模式树的加权正负关联规则挖掘算法设计 | 第38-41页 |
| ·实验及结果分析 | 第41-42页 |
| ·加权最小二乘估计 | 第42-50页 |
| ·加权最二乘法 | 第43-46页 |
| ·回归预测的显著性校验 | 第46-47页 |
| ·实验及结果分析 | 第47-50页 |
| ·加权混合贝叶斯分类 | 第50-56页 |
| ·朴素贝叶斯的加权 | 第51-53页 |
| ·TAN 算法的加权 | 第53-54页 |
| ·加权混合贝叶斯分类器 | 第54-55页 |
| ·实验及结果分析 | 第55-56页 |
| ·小结 | 第56-58页 |
| 第四章 数据挖掘算法的实现与应用 | 第58-78页 |
| ·商业智能集成架构的详细设计 | 第58-63页 |
| ·数据源 | 第59-61页 |
| ·数据处理 | 第61-62页 |
| ·结果显示与分析 | 第62-63页 |
| ·商业智能集成架构的实现 | 第63-70页 |
| ·集成架构的软件平台 | 第63-64页 |
| ·商业智能模块的开发 | 第64-70页 |
| ·基于频繁模式树的加权正负关联规则的实现 | 第70-73页 |
| ·加权最小二乘估计的实现 | 第73-75页 |
| ·加权混合贝叶斯分类的实现 | 第75-77页 |
| ·小结 | 第77-78页 |
| 第五章 总结和展望 | 第78-80页 |
| ·总结 | 第78-79页 |
| ·展望 | 第79-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-87页 |
| 攻硕期间取得的研究成果 | 第87-88页 |
