| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 数据挖掘国内外研究现状 | 第9-10页 |
| 1.2.2 关联规则应用现状 | 第10页 |
| 1.3 本文内容、结构安排及创新之处 | 第10-13页 |
| 1.3.1 本文内容 | 第10-11页 |
| 1.3.2 结构安排 | 第11-12页 |
| 1.3.3 创新之处 | 第12-13页 |
| 第二章 数据挖掘理论综述及其在住宅商品房市场中的应用 | 第13-21页 |
| 2.1 数据挖掘基本概念 | 第13-14页 |
| 2.2 数据挖掘任务 | 第14-15页 |
| 2.3 数据挖掘过程 | 第15-17页 |
| 2.4 数据挖掘在住宅商品房中的应用 | 第17-21页 |
| 2.4.1 住宅商品房市场信息特征 | 第18页 |
| 2.4.2 住宅商品房市场影响因素指标选取 | 第18-21页 |
| 第三章 连续属性离散化方法 | 第21-27页 |
| 3.1 引言 | 第21页 |
| 3.2 离散化算法任务 | 第21-23页 |
| 3.2.1 离散化算法评价标准 | 第22-23页 |
| 3.3 离散化分类介绍 | 第23-24页 |
| 3.4 基于信息熵的离散化算法 | 第24-27页 |
| 3.4.1 概念描述 | 第24-25页 |
| 3.4.2 基于信息熵的离散化步骤 | 第25-27页 |
| 第四章 关联规则及Apriori算法 | 第27-37页 |
| 4.1 引言 | 第27页 |
| 4.2 关联规则描述 | 第27-30页 |
| 4.3 关联规则分类 | 第30页 |
| 4.4 关联规则挖掘过程 | 第30-32页 |
| 4.4.1 问题定义 | 第30-31页 |
| 4.4.2 关联规则挖掘过程 | 第31-32页 |
| 4.5 Apriori算法 | 第32-35页 |
| 4.6 算法举例 | 第35-37页 |
| 第五章 关联规则在小城市住宅房商品房市场分析应用 | 第37-59页 |
| 5.1 实验背景 | 第37-39页 |
| 5.1.1 数据来源 | 第38-39页 |
| 5.2 数据预处理 | 第39-54页 |
| 5.2.1 数据说明 | 第39-41页 |
| 5.2.2 数据质量的评估 | 第41-42页 |
| 5.2.3 相关性分析 | 第42-47页 |
| 5.2.4 变量的刷选、派生 | 第47-54页 |
| 5.2.5 数据准备的其它工作 | 第54页 |
| 5.3 关联规则挖掘 | 第54-56页 |
| 5.4 规则发现 | 第56-59页 |
| 5.4.1 规则分析 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65-73页 |
| 攻读硕士期间学业成果 | 第73-74页 |
| 致谢 | 第74页 |