| 摘要 | 第1-3页 |
| Abstract | 第3-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题来源及背景 | 第9-10页 |
| ·中国旅游目的地营销系统概述 | 第10-11页 |
| ·本文研究内容 | 第11-13页 |
| 第二章 Agent 理论和技术 | 第13-21页 |
| ·移动Agent 的概念 | 第13页 |
| ·移动Agent 的优势 | 第13-14页 |
| ·已有的移动Agent 系统 | 第14-15页 |
| ·多Agent 系统 | 第15-17页 |
| ·Agent 系统的开发工具Java | 第17-18页 |
| ·Agent 技术在电子商务中的应用 | 第18-20页 |
| ·国内基于Agent 的分布式信息系统研究现状 | 第20-21页 |
| 第三章 智能信息推拉技术 | 第21-29页 |
| ·推拉技术 | 第21-23页 |
| ·PUSH 和PULL 技术 | 第21-22页 |
| ·推拉技术的比较 | 第22-23页 |
| ·推技术实现方式 | 第23页 |
| ·智能推拉技术 | 第23-29页 |
| ·智能推拉技术概述 | 第23-25页 |
| ·智能推拉技术的方式 | 第25-26页 |
| ·智能推拉技术的应用领域 | 第26-29页 |
| 第四章 数据挖掘和关联规则的挖掘算法 | 第29-41页 |
| ·数据挖掘的产生 | 第29-30页 |
| ·数据挖掘的概念 | 第30-32页 |
| ·传统分析方法和数据挖掘 | 第30页 |
| ·数据库中的知识发现和数据挖掘 | 第30-31页 |
| ·联机分析处理和数据挖掘 | 第31-32页 |
| ·联机分析挖掘和数据挖掘 | 第32页 |
| ·数据挖掘的对象 | 第32-34页 |
| ·关系数据库 | 第33页 |
| ·数据仓库 | 第33页 |
| ·事务数据库 | 第33-34页 |
| ·网络 | 第34页 |
| ·数据挖掘的发现模式 | 第34-37页 |
| ·广义模式 | 第35页 |
| ·关联模式 | 第35页 |
| ·序列模式 | 第35页 |
| ·分类模式 | 第35-36页 |
| ·聚类模式 | 第36页 |
| ·预测模式 | 第36-37页 |
| ·偏差模式 | 第37页 |
| ·关联规则的挖掘算法 | 第37-41页 |
| ·经典频繁项集关联算法 | 第37-40页 |
| ·核心算法思想 | 第37-38页 |
| ·基于散列的优化方法 | 第38-39页 |
| ·基于事务压缩的优化方法 | 第39页 |
| ·基于划分的优化方法 | 第39页 |
| ·基于采样的优化方法 | 第39-40页 |
| ·基于动态项集计数的优化方法 | 第40页 |
| ·MH 算法和LSH 算法 | 第40-41页 |
| 第五章 基于Agent 的中国旅游目的地营销系统电子商务中介平台的研究 | 第41-48页 |
| ·DMS 的分布式特点 | 第41-43页 |
| ·DMS 分布结构 | 第41-42页 |
| ·DMS 满足分布式系统的三个特点 | 第42页 |
| ·DMS 采用分布式的优点 | 第42-43页 |
| ·DMS 电子商务中介平台 | 第43页 |
| ·基于Agent 的电子商务中介平台的开发方法 | 第43-44页 |
| ·基于Agent 的DMS 电子商务中介平台的研究方向 | 第44-46页 |
| ·DMS 电子商务中介平台的组织体系结构 | 第45页 |
| ·DMS 电子商务中介平台的分析与建模 | 第45页 |
| ·DMS 电子商务中介平台中Agent 的协同机制和自适应学习 | 第45页 |
| ·DMS 电子商务中介平台中的集成方法和技术 | 第45-46页 |
| ·基于Agent 的DMS 电子商务中介平台的设计要求 | 第46-48页 |
| ·平台易于使用和导航 | 第46页 |
| ·平台性能高 | 第46-47页 |
| ·平台安全性 | 第47页 |
| ·多种设备访问 | 第47-48页 |
| 第六章 DMS 电子商务中介平台中电子商务交易模型的建立 | 第48-56页 |
| ·DMS 电子商务交易模型 | 第48-49页 |
| ·DMS 电子商务交易平台的设计 | 第49-53页 |
| ·管理Agent | 第50-51页 |
| ·数据提取Agent | 第51页 |
| ·预处理Agent | 第51页 |
| ·挖掘Agent | 第51页 |
| ·协商Agent | 第51-52页 |
| ·用户管理Agent | 第52页 |
| ·广告销售Agent | 第52页 |
| ·交易Agent | 第52页 |
| ·安全Agent | 第52-53页 |
| ·搜索Agent | 第53页 |
| ·推拉Agent | 第53页 |
| ·目的地营销系统中电子商务交易的工作流程 | 第53-56页 |
| ·用户交易过程 | 第54-55页 |
| ·数据挖掘、提炼知识及规则过程 | 第55-56页 |
| ·数据的提取 | 第55页 |
| ·数据预处理 | 第55页 |
| ·数据挖掘 | 第55-56页 |
| 第七章 电子商务交易模型中改进型关联规则聚类挖掘算法的研究 | 第56-63页 |
| ·改进型的关联规则聚类算法 | 第56页 |
| ·改进型的关联规则聚类算法流程 | 第56页 |
| ·基于元规则指导的挖掘库的生成 | 第56-57页 |
| ·数值属性的离散化 | 第57页 |
| ·关联规则挖掘 | 第57-59页 |
| ·规则聚类 | 第59-60页 |
| ·聚块的平滑和修剪 | 第60页 |
| ·实验和算法评价 | 第60-63页 |
| ·算法的准确性和产生规则数目 | 第60-61页 |
| ·算法效率分析 | 第61-63页 |
| 第八章 电子商务交易平台中基于Agent 的分布式智能信息推拉模型的实现 | 第63-73页 |
| ·推送模型 | 第63-65页 |
| ·拉取模型 | 第65页 |
| ·推拉方式的选择 | 第65-67页 |
| ·“先推后拉”式 | 第66页 |
| ·“先拉后推”式 | 第66页 |
| ·“推中有拉”式 | 第66-67页 |
| ·“拉中有推”式 | 第67页 |
| ·分布式信息推拉 | 第67-73页 |
| ·使用分布式信息推拉的优势 | 第68-69页 |
| ·客户Agent | 第69页 |
| ·推拉分解Agent | 第69-70页 |
| ·局部推拉Agent | 第70页 |
| ·合成Agent | 第70-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 在学期间发表论文及研究成果 | 第80-81页 |
| 致谢 | 第81页 |
