| 中文摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 绪论 | 第7-19页 |
| 第一节 基于数据仓库的知识发现策略研究的背景与现实意义 | 第7-9页 |
| 一、本文研究的理论意义 | 第8-9页 |
| 二、本文研究的实践意义 | 第9页 |
| 第二节基于数据仓库的知识发现策略研究的国内外研究现状 | 第9-12页 |
| 一、国内外研究现状 | 第9-11页 |
| 二、同类课题发展趋势 | 第11-12页 |
| 第三节 数据仓库的概念 | 第12-19页 |
| 一、什么是数据仓库 | 第12-14页 |
| 二、数据仓库与数据库的区别 | 第14-16页 |
| 三、数据仓库的发展 | 第16-17页 |
| 四、数据仓库的三要素 | 第17-19页 |
| 第二章 知识发现的基本原理 | 第19-28页 |
| 第一节 知识发现的概念 | 第19-20页 |
| 第二节 KDD 过程 | 第20-22页 |
| 第三节 知识发现的任务 | 第22-23页 |
| 第四节 知识发现的核心----数据挖掘技术 | 第23-28页 |
| 一、数据挖掘概述 | 第24页 |
| 二、数据挖掘的主要任务 | 第24-25页 |
| 三、数据挖掘主要问题 | 第25-28页 |
| 第三章 知识发现的算法可伸缩性策略 | 第28-38页 |
| 第一节 以往数据算法的局限 | 第28-30页 |
| 一、ID3 算法 | 第28-29页 |
| 二、C4.5 算法 | 第29页 |
| 三、SLIQ 算法 | 第29页 |
| 四、SPRINT 算法 | 第29-30页 |
| 第二节 可伸缩性策略的提出 | 第30页 |
| 第三节 具体实施 | 第30-36页 |
| 一、数据的清洗与转换 | 第30-33页 |
| 二、多关系关联规则分析 | 第33-34页 |
| 三、可伸缩算法举例 | 第34-36页 |
| 第四节 评价 | 第36-38页 |
| 第四章 知识发现的过程驱动策略 | 第38-46页 |
| 第一节 验证驱动的相关操作技术 | 第39-42页 |
| 一、查询和报告 | 第39-40页 |
| 二、多维关系分析 | 第40-41页 |
| 三、统计分析 | 第41-42页 |
| 第二节 发现驱动的相关操作介绍 | 第42-43页 |
| 第三节 发现驱动的数据挖掘技术 | 第43-45页 |
| 一、有指导归纳法 | 第43页 |
| 二、关联发现 | 第43-44页 |
| 三、聚类 | 第44页 |
| 四、数据泛化与归纳 | 第44-45页 |
| 第四节 过程驱动小结 | 第45-46页 |
| 第五章 一种基于过程驱动的可伸缩性知识发现模型 | 第46-53页 |
| 第一节 模型的相关概念简述 | 第46-47页 |
| 第二节 模型的设计 | 第47-52页 |
| 一、数据处理 | 第47-49页 |
| 二、客户端 | 第49-50页 |
| 三、数据挖掘 | 第50-52页 |
| 第三节 小结与评价 | 第52-53页 |
| 第六章 结论与展望 | 第53-55页 |
| 第一节 本文研究的局限 | 第53-54页 |
| 第二节 未来研究展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |