| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究目的及意义 | 第8-9页 |
| 1.3 文献综述 | 第9-10页 |
| 1.4 研究思路、内容及论文组织结构 | 第10-11页 |
| 1.5 创新点 | 第11-12页 |
| 2 数据挖掘概述 | 第12-14页 |
| 2.1 数据挖掘的定义、研究内容 | 第12页 |
| 2.2 数据挖掘的过程 | 第12-13页 |
| 2.2.1 定义问题 | 第12页 |
| 2.2.2 数据准备 | 第12-13页 |
| 2.2.3 数据挖掘 | 第13页 |
| 2.2.4 结果表示和解释 | 第13页 |
| 2.2.5 知识表示 | 第13页 |
| 2.3 数据挖掘的工具 | 第13-14页 |
| 3 读者借阅行为的基本统计分析 | 第14-25页 |
| 3.1 从读者借阅图书的时间角度 | 第14-17页 |
| 3.1.1 读者借阅在一天每个时段的借阅情况 | 第14-15页 |
| 3.1.2 读者借阅在一周每一天的借阅情况 | 第15-16页 |
| 3.1.3 读者借阅在一年中每个月的借阅情况 | 第16-17页 |
| 3.2 从读者的院系角度 | 第17-21页 |
| 3.3 从读者的年级角度 | 第21-24页 |
| 3.4 本章小结 | 第24-25页 |
| 4 基于相似系数矩阵的聚类算法的建立及应用 | 第25-33页 |
| 4.1 基于相似系数矩阵的新聚类算法介绍 | 第25-27页 |
| 4.1.1 相似度 | 第25-26页 |
| 4.1.2 算法构建 | 第26-27页 |
| 4.2 基于相似系数矩阵的聚类算法应用以及结果 | 第27-31页 |
| 4.2.1 数据预处理 | 第27-29页 |
| 4.2.2 实验数据的聚类结果 | 第29-31页 |
| 4.3 基于相似系数矩阵的聚类算法与K-Means聚类算法的比较 | 第31-32页 |
| 4.4 本章小结 | 第32-33页 |
| 5 借阅行为的关联分析 | 第33-38页 |
| 5.1 关联算法介绍 | 第33-34页 |
| 5.1.1 关联规则的基本概念 | 第33页 |
| 5.1.2 关联规则的分类 | 第33-34页 |
| 5.1.3 关联规则的步骤 | 第34页 |
| 5.2 Apriori算法 | 第34页 |
| 5.3 借阅行为的Apriori算法分析过程及结果 | 第34-37页 |
| 5.3.1 数据预处理 | 第34-36页 |
| 5.3.2 Apriori算法分析结果 | 第36-37页 |
| 5.4 本章小结 | 第37-38页 |
| 6 总结与展望 | 第38-40页 |
| 6.1 文章总结 | 第38页 |
| 6.2 未来工作展望 | 第38-40页 |
| 参考文献 | 第40-43页 |
| 附录A 读者信息以及图书信息字段说明 | 第43页 |
| 附录B 学院专业分布信息 | 第43-45页 |
| 附录C 中图分类号查询 | 第45-51页 |
| 附录D 关联规则结果表 | 第51-55页 |
| 附录E 数据处理程序 | 第55-65页 |
| 后记 | 第65-66页 |
| 攻读学位期间取得的科研成果清单 | 第66页 |