| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 引言 | 第7-9页 |
| 第一章 数据挖掘概论 | 第9-20页 |
| ·数据挖掘的发展 | 第9-12页 |
| ·从数据到知识 | 第9-10页 |
| ·数据挖掘的产生 | 第10-12页 |
| ·数据挖掘定义 | 第12-13页 |
| ·数据挖掘功能 | 第13-15页 |
| ·概念/类描述：特征化和区分 | 第13-14页 |
| ·关联分析 | 第14页 |
| ·分类和预测 | 第14-15页 |
| ·聚类分析 | 第15页 |
| ·孤立点分析 | 第15页 |
| ·演变分析 | 第15页 |
| ·数据挖掘结果的评估 | 第15-17页 |
| ·数据挖掘系统的分类 | 第17-18页 |
| ·数据挖掘研究重点 | 第18-20页 |
| 第二章 数据预处理 | 第20-31页 |
| ·数据预处理的重要性 | 第20页 |
| ·数据清理 | 第20-22页 |
| ·遗漏数据处理 | 第20-21页 |
| ·噪声数据处理 | 第21-22页 |
| ·不一致数据 | 第22页 |
| ·数据集成和变换 | 第22-25页 |
| ·数据集成 | 第22-23页 |
| ·数据变换 | 第23-25页 |
| ·数据归约 | 第25-30页 |
| ·数据立方体聚集 | 第25-26页 |
| ·维归约 | 第26-27页 |
| ·数据压缩 | 第27-28页 |
| ·数值归约 | 第28-30页 |
| ·离散化和概念层次树生成 | 第30-31页 |
| 第三章 数据挖掘算法研究 | 第31-38页 |
| ·关联分析 | 第31-32页 |
| ·Apriori 算法 | 第31页 |
| ·AprioriTid 算法 | 第31-32页 |
| ·FP-growth 算法 | 第32页 |
| ·分类 | 第32-37页 |
| ·决策树法 | 第32-34页 |
| ·Bayes 分类算法 | 第34-35页 |
| ·CBA (Classification Based on Association)算法 | 第35页 |
| ·MIND (Mining in Database)算法 | 第35页 |
| ·神经网络 | 第35-36页 |
| ·粗集理论 | 第36页 |
| ·遗传算法 | 第36-37页 |
| ·聚类分析 | 第37-38页 |
| ·划分方法（partitioning method） | 第37页 |
| ·层次方法（hierarchical method) | 第37页 |
| ·基于网格的方法（grid-based method) | 第37-38页 |
| 第四章 干部住房保障网络管理系统 | 第38-70页 |
| ·设计思想 | 第39-40页 |
| ·系统组成 | 第40页 |
| ·战术技术指标 | 第40-41页 |
| ·主要技术指标 | 第40-41页 |
| ·住房保障系统开发的操作系统要求 | 第41页 |
| ·住房保障系统的硬件条件和开发工具 | 第41页 |
| ·系统特性 | 第41-42页 |
| ·关键技术的应用及系统实现 | 第42-54页 |
| ·数据挖掘技术的应用 | 第42-45页 |
| ·系统的安全登陆和密钥管理 | 第45-50页 |
| ·网络数据传输的加密技术及实现 | 第50-54页 |
| ·系统功能 | 第54-65页 |
| ·房屋信息管理 | 第54-55页 |
| ·人员信息管理 | 第55-56页 |
| ·分房管理 | 第56-58页 |
| ·住用情况管理 | 第58页 |
| ·租金管理 | 第58-60页 |
| ·文档管理 | 第60-61页 |
| ·综合统计 | 第61-63页 |
| ·数据交互 | 第63页 |
| ·系统维护 | 第63-65页 |
| ·干部住房保障网络系统测试 | 第65-70页 |
| ·测试环境 | 第65-66页 |
| ·测试内容 | 第66-69页 |
| ·测试结果分析 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| ·关键技术及创新点 | 第70页 |
| ·战技指标 | 第70-71页 |
| ·与国内外同类技术比较 | 第71页 |
| ·效益 | 第71页 |
| ·推广应用前景及将采取的措施 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 作者在读期间科研成果简介 | 第75-77页 |
| 致谢 | 第77页 |
