| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-8页 |
| 第1章 绪论 | 第8-14页 |
| 1．1 问题的提出 | 第8-9页 |
| 1．2 什么是数据仓库 | 第9页 |
| 1．3 数据挖掘的发展 | 第9-10页 |
| 1．4 数据挖掘和数据仓库的关系 | 第10-11页 |
| 1．5 数据挖掘和OLAP的关系 | 第11-12页 |
| 1．6 数据挖掘和统计学的关系 | 第12-14页 |
| 第2章 数据挖掘的基本知识 | 第14-20页 |
| 2．1 数据挖掘的模式 | 第14-15页 |
| 2．2 数据挖掘的工具 | 第15-18页 |
| 2．2．1 SAS的数据挖掘工具 | 第15-16页 |
| 2．2．2 IBM的数据挖掘工具——Intelligent Miner | 第16-17页 |
| 2．2．3 微软的数据挖掘工具——Analysis Services | 第17页 |
| 2．2．4 客户分片系统中使用的数据挖掘工具 | 第17-18页 |
| 2．3 数据挖掘的应用 | 第18页 |
| 2．4 数据挖掘的热点 | 第18-20页 |
| 第3章 数据挖掘过程模型 | 第20-24页 |
| 3．1 SAS的SEMMA模型 | 第20页 |
| 3．2 CRISP-DM模型 | 第20-22页 |
| 3．3 Two Crows的模型 | 第22-24页 |
| 第4章 超市数据仓库的设计 | 第24-33页 |
| 4．1 数据仓库的建模方法 | 第24-25页 |
| 4．2 超市数据仓库的事实星座 | 第25-27页 |
| 4．3 ETL策略和ETL工具 | 第27-29页 |
| 4．3．1 ETL策略 | 第27-29页 |
| 4．3．2 ETL工具 | 第29页 |
| 4．4 超市数据仓库的ETL实例 | 第29-33页 |
| 第5章 聚类模型 | 第33-41页 |
| 5．1 聚类的介绍 | 第33页 |
| 5．2 聚类分析中的两种数据结构 | 第33-34页 |
| 5．3 动态聚类的选用与实现算法 | 第34-36页 |
| 5．4 预处理数据中的存在问题 | 第36-39页 |
| 5．4．1 主成分分析法对数据进行预处理 | 第37页 |
| 5．4．2 主成分分析的说明 | 第37-39页 |
| 5．5 删除异常点的改进算法 | 第39-41页 |
| 第6章 数据挖掘过程 | 第41-54页 |
| 6．1 定义商业问题 | 第41页 |
| 6．2 建立数据挖掘库 | 第41-44页 |
| 6．2．1 收集、描述数据 | 第42页 |
| 6．2．2 评估、预处理数据 | 第42-43页 |
| 6．2．3 加载数据挖掘库 | 第43-44页 |
| 6．3 分析、准备数据 | 第44-48页 |
| 6．4 建立模型 | 第48-51页 |
| 6．5 解释模型 | 第51-54页 |
| 第7章 结论 | 第54-55页 |
| 7．1 论文总结 | 第54页 |
| 7．2 数据挖掘的发展趋势 | 第54-55页 |
| 攻读学位期间公开发表的论文 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-58页 |