| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-6页 |
| 目录 | 第6-8页 |
| 引言 | 第8-10页 |
| 一、数据挖掘研究现状 | 第10-16页 |
| (一) 数据挖掘的任务 | 第10页 |
| (二) 数据挖掘面临的挑战和趋势 | 第10-12页 |
| (三) 数据挖掘的应用 | 第12-16页 |
| 1. 金融业的应用 | 第12页 |
| 2. 电信业中的应用 | 第12页 |
| 3. 零售业中的应用 | 第12页 |
| 4. 数据挖掘在数字图书馆的应用 | 第12页 |
| 5. 数字图书馆的用户挖掘 | 第12-13页 |
| 6. 数据挖掘在图书馆的应用 | 第13-16页 |
| 二、数据挖掘的主要方法及过程 | 第16-20页 |
| 1. 归纳学习法 | 第16页 |
| 2. 仿生物技术法 | 第16-17页 |
| 3. 公式发现 | 第17页 |
| 4. 统计分析方法 | 第17页 |
| 5. 模糊数学方法 | 第17页 |
| 6. 可视化技术 | 第17-20页 |
| 三、书刊流通数据挖掘的模型 | 第20-25页 |
| 模型一 | 第20-22页 |
| (一) 预测的理论依据 | 第20-21页 |
| (二) 转移矩阵的建立 | 第21页 |
| (三) 预测 | 第21-22页 |
| 模型二 | 第22-25页 |
| (一) 书刊选订评价指标的标准化处理 | 第22-23页 |
| (二) 计算标准化的评价标准矩阵 | 第23页 |
| (三) 评价指标的不同属性 | 第23页 |
| (四) 选择确定该指标的极大值和极小值,得到极值向量 | 第23-25页 |
| 四、对具体案例的应用分析 | 第25-33页 |
| (一) 收集原始数据 | 第25页 |
| (二) 描述数据 | 第25-26页 |
| (三) 得出结果评估 | 第26-28页 |
| (四) 在分析的基础上进一步预测读者对图书的需求 | 第28-30页 |
| (五) 对读者图书需求的模糊预测 | 第30-33页 |
| 五、结论 | 第33-34页 |
| 参考文献 | 第34-37页 |
| 后记 | 第37页 |