| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景与意义 | 第10页 |
| ·数据挖掘研究现状 | 第10-12页 |
| ·数据挖掘的分支 | 第12-13页 |
| ·空间数据挖掘 | 第12页 |
| ·多媒体数据挖掘 | 第12-13页 |
| ·时序数据和序列数据挖掘 | 第13页 |
| ·文本数据挖掘 | 第13页 |
| ·web数据挖掘 | 第13页 |
| ·数据挖掘发展方向 | 第13-14页 |
| ·本文的研究内容 | 第14页 |
| ·论文的组织结构 | 第14-15页 |
| ·小结 | 第15-16页 |
| 第二章 数据挖掘技术 | 第16-30页 |
| ·数据挖掘简介 | 第16-23页 |
| ·数据挖掘的概念 | 第16-17页 |
| ·数据挖掘工具 | 第17页 |
| ·数据挖掘的过程 | 第17-20页 |
| ·数据挖掘的任务 | 第20-22页 |
| ·数据挖掘的应用领域 | 第22-23页 |
| ·分类理论概述 | 第23-26页 |
| ·决策树分类 | 第23-24页 |
| ·关联分类 | 第24-25页 |
| ·神经网络分类 | 第25页 |
| ·贝叶斯分类方法 | 第25-26页 |
| ·数据挖掘方法评价标准与尺度 | 第26页 |
| ·Microsoft SQL Server 2005数据挖掘平台 | 第26-29页 |
| ·Microsoft SQL Server 2005商业智能平台简介 | 第26-27页 |
| ·SQL Server 2005数据挖掘功能的优势 | 第27-28页 |
| ·Microsoft决策树算法 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第三章 决策树分类算法 | 第30-47页 |
| ·分类概念 | 第30-31页 |
| ·决策树分类算法 | 第31-40页 |
| ·ID3算法 | 第33-35页 |
| ·C4.5算法 | 第35-37页 |
| ·CART算法 | 第37-38页 |
| ·Microsoft决策树算法 | 第38-40页 |
| ·决策树构建的关键技术 | 第40-44页 |
| ·决策树的生长 | 第40-41页 |
| ·树剪枝算法 | 第41-44页 |
| ·剪枝原则 | 第44页 |
| ·决策树评价标准 | 第44-45页 |
| ·过度拟合 | 第44-45页 |
| ·有效性 | 第45页 |
| ·决策树的复杂程度 | 第45页 |
| ·本课题的研究方法与技术 | 第45-46页 |
| ·研究方法 | 第45-46页 |
| ·应用技术 | 第46页 |
| ·小结 | 第46-47页 |
| 第四章 决策树在网络保修故障分析中的应用 | 第47-68页 |
| ·数据预处理 | 第47-54页 |
| ·业务问题定义 | 第47-48页 |
| ·网络故障预测实施过程 | 第48-49页 |
| ·网络故障报修数据的预处理 | 第49-50页 |
| ·故障报修数据抽取 | 第50页 |
| ·故障报修数据清洗 | 第50-52页 |
| ·故障报修数据选取 | 第52-53页 |
| ·故障报修数据转换 | 第53-54页 |
| ·数据挖掘系统 | 第54-56页 |
| ·系统架构 | 第54-55页 |
| ·关键技术 | 第55-56页 |
| ·运用Microsoft SQL Server 2005 Analysis Services分类分析 | 第56-58页 |
| ·Microsoft决策树算法实施 | 第56-58页 |
| ·分类属性的选择 | 第58页 |
| ·挖掘结果分析与评价 | 第58-67页 |
| ·故障原因挖掘结果 | 第58-61页 |
| ·故障原因挖掘分析 | 第61-62页 |
| ·故障类型挖掘结果 | 第62-66页 |
| ·故障类型挖掘分析 | 第66-67页 |
| ·小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读学位期间的研究成果目录 | 第74-75页 |
| 致谢 | 第75页 |
