| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-11页 |
| ·背景介绍 | 第8-9页 |
| ·涉及的领域和技术 | 第9-11页 |
| 第2章 数据挖掘、数据仓库和OLAP | 第11-37页 |
| ·数据仓库概述 | 第11-19页 |
| ·数据仓库/数据集市概念 | 第11-13页 |
| ·数据仓库/数据集市的特点 | 第13-14页 |
| ·多维数据模型 | 第14-15页 |
| ·数据仓库/数据集市的几种模式 | 第15-17页 |
| ·概念分层 | 第17-18页 |
| ·元数据 | 第18-19页 |
| ·OLAP概述 | 第19-20页 |
| ·OLAP概念 | 第19页 |
| ·OLAP的多维数据存储方式 | 第19-20页 |
| ·数据挖掘技术概述 | 第20-31页 |
| ·数据挖掘中的分类 | 第23-31页 |
| ·MS ANALYSIS SERVICES中的OLAP和数据挖掘 | 第31-37页 |
| ·Microsoft Analysis Services的体系结构 | 第31-34页 |
| ·DTS(数据转换服务) | 第34页 |
| ·数据挖掘部分 | 第34-35页 |
| ·元数据服务 | 第35-37页 |
| 第3章 用户行为分析需求分析和总体结构 | 第37-45页 |
| ·用户行为分析系统需求分析 | 第37-39页 |
| ·意义 | 第37页 |
| ·功能需求 | 第37-38页 |
| ·工作结果 | 第38-39页 |
| ·系统总体结构 | 第39-40页 |
| ·数据描述 | 第40页 |
| ·用户行为数据的抽取和转换 | 第40-42页 |
| ·数据抽取与转换的说明 | 第40-41页 |
| ·每日计数方差的计算 | 第41-42页 |
| ·建立用户行为数据集市 | 第42-45页 |
| ·用户行为OLAP数据库的模型 | 第42-43页 |
| ·用户行为OLAP数据库的星型模式 | 第43-45页 |
| 第4章 客户端的开发与图形化表示 | 第45-51页 |
| ·ADO/MD组件介绍 | 第45-47页 |
| ·MDX多维表达式 | 第47-48页 |
| ·用DELPHI开发客户端 | 第48-51页 |
| 第5章 关联规则的挖掘 | 第51-60页 |
| ·关联规则及其相关概念 | 第51-52页 |
| ·APRIORI算法 | 第52-56页 |
| ·我们对APRIORI算法的移植 | 第56-59页 |
| ·关联规则挖掘结果 | 第59-60页 |
| 第6章 构建决策树分类用户 | 第60-71页 |
| ·决策树的概念 | 第60-61页 |
| ·SLIQ算法概述 | 第61-67页 |
| ·预排序 | 第62-63页 |
| ·评估划分的指数 | 第63-64页 |
| ·划分的策略 | 第64-66页 |
| ·更新类列表 | 第66-67页 |
| ·注册用户信息决策树的实现 | 第67-68页 |
| ·决策树构建的结果和应用 | 第68-70页 |
| ·SLIQ算法的效率 | 第70-71页 |
| 结论 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第77页 |