基于量化关联规则挖掘的就业分析系统
| 第一章 绪论 | 第1-12页 |
| ·背景 | 第8-9页 |
| ·课题来源 | 第9-11页 |
| ·本文的结构安排 | 第11-12页 |
| 第二章 数据挖掘综述 | 第12-23页 |
| ·知识发现和数据挖掘 | 第12-14页 |
| ·知识发现的定义及其任务 | 第12-13页 |
| ·数据挖掘的含义 | 第13-14页 |
| ·数据挖掘的方法 | 第14-16页 |
| ·统计方法 | 第14页 |
| ·决策树 | 第14页 |
| ·概念树 | 第14-15页 |
| ·神经网络 | 第15页 |
| ·遗传算法 | 第15页 |
| ·粗集(Rough Set) | 第15页 |
| ·模糊集 | 第15-16页 |
| ·数据挖掘的过程 | 第16-19页 |
| ·问题定义 | 第16-17页 |
| ·数据准备和数据预处理 | 第17页 |
| ·数据变换 | 第17页 |
| ·数据挖掘阶段 | 第17-18页 |
| ·结果解释和知识评估 | 第18-19页 |
| ·关联规则 | 第19-23页 |
| ·关联规则相关知识 | 第19页 |
| ·基本概念 | 第19-20页 |
| ·Apriori算法 | 第20-23页 |
| ·使用候选项集寻找频繁项集 | 第20-21页 |
| ·由频繁项集产生关联规则 | 第21-23页 |
| 第三章 量化关联规则 | 第23-35页 |
| ·问题的提出 | 第23-24页 |
| ·一般的解决方法 | 第24-26页 |
| ·本系统采用的方法 | 第26-34页 |
| ·部分完全性 | 第27-30页 |
| ·完全性定义 | 第27-28页 |
| ·决定分区的数目 | 第28-30页 |
| ·兴趣度度量 | 第30-34页 |
| ·R-兴趣度度量 | 第31-32页 |
| ·基于特化的R-兴趣度度量 | 第32-34页 |
| ·量化关联规则挖掘过程 | 第34-35页 |
| 第四章 就业分析系统设计与实现 | 第35-59页 |
| ·数据挖掘工具的现状 | 第35-36页 |
| ·设计原则 | 第36-37页 |
| ·系统结构和开发环境 | 第37-39页 |
| ·数据库模式设计 | 第39-42页 |
| ·数据采集模块 | 第42-43页 |
| ·数据预处理模块 | 第43-45页 |
| ·数据集成 | 第43-44页 |
| ·数据选择 | 第44页 |
| ·数据清理 | 第44-45页 |
| ·数据抽样模块 | 第45-48页 |
| ·挖掘模块 | 第48-55页 |
| ·项集的表示结构 | 第48-49页 |
| ·1-频集的产生 | 第49-51页 |
| ·K-频集的产生 | 第51-55页 |
| ·连接步 | 第51-52页 |
| ·剪枝步 | 第52-55页 |
| ·规则的生成 | 第55页 |
| ·可视化模块 | 第55-57页 |
| ·用户接口模块 | 第57页 |
| ·实验 | 第57-59页 |
| 第五章 结论与展望 | 第59-61页 |
| ·时间开销 | 第59页 |
| ·空间开销 | 第59-60页 |
| ·动态区间划分 | 第60页 |
| ·展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-63页 |
