基于数据仓库的数据挖掘算法研究

第一章 数据挖掘研究与应用现状	第1-16页
·知识获取与数据挖掘技术	第12-13页
·数据挖掘研究与应用的现状	第13-16页
第二章 数据仓库基本原理	第16-23页
·从传统数据库到数据仓库	第16页
·数据仓库的定义与基本特性	第16-20页
·数据仓库的结构	第20-23页
第三章 数据挖掘发现知识的类型	第23-29页
·关联知识	第23-25页
·关联知识的概念	第23页
·关联知识的发现方法	第23-24页
·关联规则应用实例	第24-25页
·分类知识	第25-27页
·分类知识的概念	第25-26页
·分类知识的发现方法	第26页
·分类知识应用实例	第26-27页
·预测型知识	第27-29页
·预测型知识的概念	第27页
·预测型知识的发现方法	第27-28页
·预测型知识应用实例	第28-29页
第四章 挖掘大型数据库中的关联规则	第29-38页
·关联规则挖掘	第29-32页
·购物篮分析	第29-30页
·有关关联规则的基本概念	第30-31页
·关联规则挖掘	第31-32页
·由事务数据库挖掘单维布尔关联规则	第32-38页
·Apriori算法使用候选项集找频繁项集	第32-36页
·由频繁项集产生关联规则	第36-38页
第五章 分类和预测	第38-51页
·分类步骤	第38-40页
·关于分类的一些相关问题	第40-41页
·对分类数据的预处理	第40页
·评价分类方法	第40-41页
·用决策树归纳分类	第41-47页
·决策树归纳	第41-46页
·由决策树提取分类规则	第46-47页
·预测	第47-51页
·线性回归和多元回归	第47-50页
·非线性回归	第50-51页
第六章 聚类分析	第51-62页
·聚类分析的概念	第51-52页
·聚类分析中的数据类型	第52-58页
·聚类分析算法	第58-62页
第七章 总结与展望	第62-64页
·主要研究成果	第62页
·进一步研究方向	第62-64页
参考文献	第64-65页