| 摘要 | 第1-3页 |
| ABSTRACT | 第3-8页 |
| 第一章 绪论 | 第8-27页 |
| ·研究背景和意义 | 第8-10页 |
| ·数据挖掘概述 | 第10-14页 |
| ·数据挖掘原理 | 第10-12页 |
| ·数据挖掘与数据仓库 | 第12-13页 |
| ·数据挖掘与OLAP | 第13-14页 |
| ·研究现状 | 第14-18页 |
| ·数据挖掘技术的应用现状 | 第14-15页 |
| ·面临的问题 | 第15-16页 |
| ·数据挖掘工具的现状及其选择 | 第16-18页 |
| ·数据挖掘方法 | 第18-25页 |
| ·数据挖掘方法论 | 第18-20页 |
| ·数据挖掘的分析方法 | 第20-24页 |
| ·数据挖掘算法 | 第24-25页 |
| ·本文结构 | 第25页 |
| ·本章小结 | 第25-27页 |
| 第二章 TDDMS 数据仓库设计 | 第27-39页 |
| ·TDDMS 数据仓库的总体结构 | 第27-28页 |
| ·TDDMS 数据仓库的需求分析 | 第28-30页 |
| ·TDDMS 数据仓库的模型设计 | 第30-36页 |
| ·概念模型 | 第30-31页 |
| ·逻辑模型 | 第31-32页 |
| ·物理模型 | 第32-33页 |
| ·元数据模型 | 第33-35页 |
| ·粒度和聚集模型 | 第35-36页 |
| ·TDDMS 数据仓库的实施过程 | 第36-37页 |
| ·TDDMS 的应用层次设计 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第三章 决策树算法在挖掘电信核心客户的应用 | 第39-47页 |
| ·应用背景分析 | 第39-40页 |
| ·决策树算法原理 | 第40页 |
| ·电信数据的预处理 | 第40-42页 |
| ·决策树算法的应用 | 第42-44页 |
| ·基于Microsoft 决策树算法实现对核心客户的预测 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 关联规则算法在电信业务决策中的应用 | 第47-54页 |
| ·应用背景分析 | 第47-48页 |
| ·关联规则算法原理 | 第48-49页 |
| ·关联规则算法的应用 | 第49-51页 |
| ·基于Microsoft 关联规则算法实现电信业务的关联预测 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 聚类算法在电信客户细分中的应用 | 第54-58页 |
| ·应用背景分析 | 第54页 |
| ·聚类算法原理 | 第54-55页 |
| ·聚类算法的应用 | 第55-56页 |
| ·基于SQL Server 2005 工具实现聚类算法 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 TDDMS 数据挖掘子系统原型实现 | 第58-73页 |
| ·TDDMS 总体方案设计 | 第58-59页 |
| ·TDDMS 数据挖掘子系统原型设计及目标 | 第59-61页 |
| ·TDDMS 数据挖掘子系统原型设计 | 第59-60页 |
| ·TDDMS 数据挖掘子系统设计目标 | 第60-61页 |
| ·原型实现环境 | 第61页 |
| ·TDDMS 数据挖掘子系统原型实现 | 第61-72页 |
| ·TDDMS 数据挖掘子系统的ETL 实现 | 第61-63页 |
| ·决策树算法在TDDMS 数据挖掘子系统中的实现 | 第63-68页 |
| ·关联规则算法在TDDMS 数据挖掘子系统中的实现 | 第68-70页 |
| ·聚类算法在TDDMS 数据挖掘子系统中的实现 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 第七章 结论和展望 | 第73-74页 |
| 参考文献 | 第74-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间发表的学术论文目录 | 第77-80页 |
| 答辩决议书 | 第80页 |
